本节课主要是对
GAN的发展进行了介绍，包括基本原理，训练方法，存在问题，改进以及应用场景等。实践作业则为手写数字生成。课程地址为：https://aistudio.baidu.com/aistudio/education/preview/493290。
1.什么是GAN?
首先是介绍什么是GAN，本质上是通过对抗的方式去学习数据分布的生成式模型，核心思想是：生成网络G和对抗网络D不断博弈，达到生成真实数据的目的。
2.GAN的基本原理和改进
自从2014年GAN首次被提出来之后，其发展进程可以归结为以下脉络：
2.1 GAN的基本原理
GAN的思想是来自于博弈论中的零和游戏，生活中一个常见的例子就是制造假钞和验钞机之间的关系。
2.2 GAN的训练
机器学习或深度学习中，要想训练模型，都要找到其目标函数，GAN的目标函数如下，分为两个方面：
- 判别器希望自身的奖励最大化
- 生成器希望判别器的奖励最小化
训练方法如下，这里需要训练生成器和判别器，而两个又相互依赖，因此训练时要锁定一个，训练另一个。
GAN的训练细节和可视化如下：
2.3 GAN存在的问题与改进
GAN虽然功能很强大，但是也存在一些问题：不收敛，模式坍塌。
下面介绍了对应的解决方案：对目标函数进行改进，对网络结构进行改进，
最后介绍一下WGAN:
最后是使用GAN生成手写数字，这部分网上资料比较多，代码就不贴了。