哈囉大家，中間不小心斷掉幾天從鐵人差點變殘廢，但沒關係還是要來繼續，今天我想比較深入研究前幾天提到的生成對抗網絡（GANs）的原理與應用。
生成對抗網絡的基本原理是由兩個神經網絡組成，分別是生成器（Generator）和鑑別器（Discriminator），這兩個東西在訓練過程中會互相對抗、提升。
先來講講生成器（G），其主要負責從隨機噪聲中生成與真實數據相似的數據樣本。我認為簡單來說就是欺騙鑑別器，使它無法區分生成的數據和真實數據。
再來是鑑別器（D），白話一點說它就是負責判斷輸入數據是真實數據還是由生成器生成的偽造數據。而目標就是正確區分真實數據和生成數據。
GAN的工作流程為下：
1.生成器生成樣本：生成器從隨機噪聲中生成一個假的數據樣本。
2.鑑別器判斷樣本：鑑別器接收生成器生成的假樣本和真實數據樣本，並進行判斷是真的假的。
3.訓練：如果鑑別器能夠正確區分真假樣本，則生成器的損失會增加，反之，鑑別器的損失會增加。這個過程會一直持續，直到生成器可以生成高度逼真的數據樣本。
原理跟內容都講完了，最後要講的就是它的應用，前幾天就有稍微提過，使用GAN可以生成高質量的圖像，例如生成虛擬人物圖像、改善圖像分辨率等等，除此之外，GAN還可用在圖像風格遷移、數據增強，及語音生成等等，應用有個耳熟能詳的案例就是DeepFake，其利用GAN技術，可以將一個人的臉映射到另一個影片中，創造一個非常逼真的假影片。這技術在很多電影製作中都有應用，但同時也引發了非常多倫理與法律問
這是我鐵人失敗後的第一次發文，謝謝大家～