读GAN文章

1.直接丢上算法细节

• 包括生成器G 和 判别器D
• 首先训练D(红色框部分)，D来判别一个数据是真实数据的概率，值越大，说明D的输入X为真实数据的概率越大。对于D来说，有两个输入，
  • 真实数据样本，即算法中提到的x(1),x(2),...
  • G生成的数据，即算法中提到的z(1),z(2)
  • 那么D就需要使得D(x）越大越好； 使得D(G(z))越小越好，1-D(G(z)) 越大越好，所以采用了梯度上升的方法去更新D的参数
• 再者训练G(蓝色框部分)，当D固定的时候，G生成的数据需要骗过D，骗这个动作很重要，所以要使得生成的数据尽量逼近真实的，所以要使得D(G(z))越大，那么1-D(G(z))越小越好
• 试验中，k设置为1，采用SGD

 

2.G的分布全局最优

• ，这个比较好理解，生成的数据跟从真实数据分布中抽出的数据一模一样是最好的。
• 从公式上进行推导，首先，固定G，最大化D

 这个公司对D(x) 进行求导，就可以得到D的最优解

然后把这个最优解，代入目标函数，得到

我们要找到一个G，使得 minC(G)，当的时候取到，实际上，上面的式子自己手动推导下可以转换为：

     

即

                                                                                                                                                                                                                                                                                                                               而JSD 是非负的，所以C(G) 最小值的是-log4，当    的时候。