Basic Idea of GAN
随便给定一个向量就可以生成一个图片。
假设第一向量元素对应的是头发长度，
假设倒数第二个元素对应的是头发蓝色的程度，值越大，越蓝。
Generator v.s. Discriminator
fix这里意为固定
这个生成模型的输入是一个向量，输出是一个数值。
中间是一个大的网络，中间其中一个隐藏层的数值是中间图片的像素，所以非常宽。
训练的时候固定后一半的隐藏层，只更新前面几个隐藏层。
- 从数据集中抽样出m个example（image）
- 从一个分布（高斯、正太分布）中抽样m个噪声（向量）
- 根据提供的m个噪声（向量）产生m个数据
- 调整辨别器
GAN as structured learning
输出一个序列
Can Generator learn by itself？
Can Discriminator generate?
Discriminator training needs somes some negative example
上面的方法其实都是辨别器来做生成。