使用TFGAN库之前需要：
import tensorflow as tf
tfgan = tf.contrib.gan
TFGAN库的训练有4个步骤，如下：
- 创建网络模型，使用tfgan.gan_model；
- 加入loss，使用tfgan.gan_loss；
- 创建train ops，使用tfgan.gan_train_loss；
- 运行train ops，使用tfgan,gan_train。
其中，tfgan.gan_model的使用要自己定义generator_fn和discriminator_fn（gan_model只是起个组装作用）。另外一个重要的点是loss的设定，TFGAN库提供了不少已经定义好的loss，包括：
- 原始GAN的损失函数，tfgan.losses.minimax_discriminator_loss和tfgan.losses.minimax_generator_loss
- 原始GAN的损失函数的改进版，tfgan.losses.modified_discriminator_loss和tfgan.losses.modified_generator_loss
- ACGAN的损失函数，tfgan.losses.acgan_discriminator_loss和tfgan.losses.acgan_generator_loss
- LSGAN的损失函数，tfgan.losses.least_squares_discriminator_loss和tfgan.losses.least_squares_generator_loss
- WGAN和GWAN-GP的损失函数，tfgan.losses.wasserstein_discriminator_loss、tfgan.losses.wasserstein_generator_loss和tfgan.wasserstein_gradient_penalty
- INFOGAN的损失函数（INFOGAN的损失函数是原始GAN模型的损失函数和互信息损失的结合），tfgan.losses.mutual_information_penalty
- CycleGAN的损失函数，tfgan.losses.cycle_consistency_loss
不过需要注意的是，tfgan.wasserstein_gradient_penalty、tfgan.losses.mutual_information_penalty和tfgan.losses.cycle_consistency_loss只是对应模型的损失函数的一部分，这几个函数都是封装在其他更高级的函数中。在tfgan.gan_loss()中有两个参数，一个是gradient_penalty_weight，对应的就是WGAN-GP中的GP，一个是mutual_information_penalty_weight，对应的就是INFOGAN中的互信息损失。而tfgan.cycle_consistency_loss则是封装在tfgan.cyclegan_loss中。
一般的GAN模型其实用tfgan.gan_model和tfgan.gan_loss已经够了，但是为了方便创建一些具有特别的损失函数形式的模型，TFGAN库还提供了其他的API。其中类似gan_model的还有infogan_model、acgan_model、cyclegan_model和stargan_model，类似gan_loss的还有cyclegan_model和stargan_loss。如果要创建一个普通的GAN模型，使用tfgan.gan_model和tfgan.gan_loss即可；如果要创建INFOGAN，使用tfgan.infogan_model和tfgan.gan_loss；如果要创建ACGAN，使用tfgan.acgan_model和tfgan.gan_loss；如果要创建CycleGAN，使用tfgan.cyclegan_model和tfgan.cyclegan_loss；如果要创建StarGAN，使用tfgan.stargan_model和tfgan.stargan_loss。
TODO：TFGAN的定义loss的py文件中还有一个tfgan.losses.combine_adversarial_loss，暂时还不知道有什么作用，待后面补充。
