GAN的基本思想
图像生成：向量->图像。
条件生成：控制输出图像的类型。
Generator： 向量->生成器->图像
Discriminator：图像->判别器->分数
在GAN的训练过程中，通过生成器和判别器的拮抗作用进行物竞天择。
可以把生成器比做成学生，判别器作为老师，学生给老师交作业，通过老师的修改和反馈不断修改自己的作业，直到交出一份完美的答卷。
算法：
在每次迭代中，从数据库中采样一些样本。
s1: 固定生成器G，更新判别器D；
s2: 固定判别器D，更新生成器G。
生成器需要学着去愚弄判别器。
可以把GAN看成结构学习算法，结构学习中的数据往往不是一个简单的数值，如在机器翻译中得到的结果是一段话，在图像生成中得到的结果是一张图像。往往得到的结果都是未出现过的。