接触GAN的时候还是在大四做毕业设计的时候，由于当时是从通信工程学院转到了现在的人工智能学院，所以毕业设计就跟着这边的老师做了，当时老师布置的题目就是实现论文Semantic Segmentation using Adversarial Networks 这是16年的一篇cvpr上的文章，也是首次将GAN运用在图像的语义分割上。这篇文章的实现难度对于当时还没有接触过深度学习和python的我来说简直就是不可能完成的任务，所以用一个月做完了论文的翻译工作(老师当时还给了另外三篇关于GAN和语义分割的文章)之后就赶紧去学习，到现在将近两年的时间也没有完全搞懂这篇文章的一些方法。
GAN
入门介绍
说起GAN，首先要提的一篇文章就是2014年Ian J. Goodfellow 的文章Generative Adversarial Nets，这篇文章首次将GAN带入人们的视线，自此便火的一发不可收拾。
Generative Adversarial Nets文章的摘要
这个摘要实际上已经把GAN介绍完了，就是两个网络相互博弈的framework，其中的一个网络成为生成网络(Generator)，另一个网络称为判别网络(Discriminator)。生成网络的目的就是从一个域(噪声或者其他数据)生成另一个域的数据，或者称为造假的过程，判别网络的目的就是区分输入进网络的数据来自哪里(生成的数据或真实的数据)，经过两个网络的对抗训练，最后得到一个能力很强的生成模型，这个模型可以用来生成数据，模拟数据分布，造假。
GAN模型参考这副图
损失函数
其实从GAN的优化目标中也可以很好的体会到GAN的原理
