GAN（Generative Adversarial Network，生成對抗網路）是一種深度學習模型，主要由兩個神經網路組成，即生成器（Generator）和鑑別器（Discriminator）。
生成器（Generator）
負責生成假數據。
鑑別器（Discriminator）
負責評估這些數據的真實性。
生成器的目標是生成足夠逼真的數據，以欺騙鑑別器，使其無法區分真偽。
同時，鑑別器的目標是能夠正確識別真實數據和生成數據。
這兩個網路相互競爭，並且隨著訓練的進行不斷調整參數，以達到平衡。
GAN的目的是通過兩個網路的對抗學習，使生成器能夠生成無法被鑑別器區分的逼真數據，同時使鑑別器盡可能正確地區分真實數據和生成數據。這種對抗性訓練，使生成器能夠不斷改進，以生成難以區分的假數據，從而達到高品質的生成結果。
推薦內容:
白話GAN生成對抗網路
iThome鐵人賽
看影片追技術