Generative advertisrial model
GAN的分类：
1：经典版，input是随机的vector
经典GAN
Generator将vector转换为image，discriminator的输入是generator的output，输出是一个分数，来判断image与预期图片是否符合，分数越高，代表伪装的越像
如何进行训练呢？
先训练discriminator，再训练generator，这个顺序不能乱
1：固定generator，然后训练discriminator
对于real image，打高分
对于generator产生的对象打低分
2：固定discriminator，再训练generator
generator要学会骗过discriminator，达到以假乱真的目的
不断的后向传播来修改weight，达到更好的效果
GAN很难被训练出来
NO pain，no gain
conditional GAN
input不是随机的vector，而是一个text，如下图
举个例子
conditional GAN的discriminator的input不能仅仅是一个image（不准确），而是训练的text+image
discriminator会检测两个东西：
1：image是否与real 一致
2：text和生成的image像不像
其他应用：
也可以image---text
一张图片会产生不同的结果
unsupervised conditional gan
最常见的应用是图片风格的转换---将天安门的照片转换为有梵高特色的天安门
输入和输出没有对应关系，所以是无监督学习
先将input的image用第一个generator生成，要再加一个generator来还原旧图像，保证第一个generator，不会直接生成梵高的图像，不能太离谱
双向gan
应用：
文字的风格转换
人的声音的转换
