生成对抗性网络(Generative Adversarial Network，GAN)是生成建模的一种神经网络结构。生成模型涉及使用一个模型来生成新的例子，这些例子似乎来自于现有的样本分布，例如生成新的照片，这些照片与现有的照片数据集相似，但还是有不同。
一个 GAN 是一个生成模型，使用双神经网络模型进行训练。 其中一个模型被称为"生成器"或"生成网络"模型，用于学习生成新的看似合理的样本；另一个模型被称为"判别器"或"判别网络"，它学习区分生成的例子和真实例子。这两个模型是在对抗或博弈中建立的，其中生成器模型试图欺骗鉴别器模型，鉴别器提供了实际样本和生成样本的两个例子。经过训练后，生成模型可以根据需要创建新的相似样本。GAN有许多具体的用例，在这篇文章中，我们将回顾大量有趣的GAN应用程序，以帮助大家对可用和有用的问题类型形成直觉，它包含了许多已经在现实中使用的 GANs 的例子。 pan.baidu.com/s/11YJIw6Mt…
