生成對抗網路由 Goodfellow et al.(2014, 蒙特羅大學) 於 Generative Adversarial Networks提出，是一種廣為人知的生成模型架構，曾被使用在AlphaGo的設計理念中。
資料集
Fashion MNIST，衣物裝飾的灰階資料集。
網路
設計概念是讓生成器與判別器對抗，依靠判別器判斷輸入值是否為真來引導生成器的能力。
損失函數
採用Binary Cross Entropy loss作為判別器的損失函數。
訓練
依序訓練生成器和判別器，首先欺騙判別器生成的都為真，接著告訴判別器何為真的圖片，何為生成的圖片。
評估
訓練二十個回合後，有衣服的形狀。
筆記
1. 判別器的設計、優化器的參數對生成圖像的成功與否有著很大的影響力。
結語
本文介紹如何做出簡單的generative adversarial network。實作代碼可參考以下連結。
參考
