GAN的目的：找出一个生成器，给一个随机向量（vector）利用神经网络（Generator）生成一张图片一个句子或者一篇文章
找出满足要求的生成器必须利用判别器，判别器判断image是真实的database里面的图片还是生成器生成的图片。
生成器与判别器的训练
1、固定生成器的值，训练判别器，让判别器可以分辨图片是真实的还是生成器生成的，判别器的正样本就是数据集里面的样本，负样本就是生成器生成的样本
2、固定判别器的值，训练生成器，生成器的输入是随机的vector，生成器的输出是一张生成的图片，判别器的输入是生成器生成的图片，输出是这张图片是真实图片的可能性。将生成器与判别器合起来可以看成是一个网络，输入是随机的vector，输出是一个可能性。因为这一步是为了训练生成器，让生成器生成的图片可以骗过判别器，也就是输出的那个可能性应该越大越好（因为训练判别器的时候输出的值大说明是真实的，输出的值小就是生成器生成的）。
具体过程：