gan的原始損失函式，咋一看是非常難以理解的，但仔細理解後就會發現其簡潔性和豐富的含義。
損失函式定義：
一切損失計算都是在d（判別器）輸出處產生的，而d的輸出一般是fake/true的判斷，所以整體上採用的是二進位制交叉熵函式。
左邊包含兩部分ming和maxd。
首先看一下maxd部分，因為訓練一般是先保持g（生成器）不變訓練d的。d的訓練目標是正確區分fake/true，如果我們以1/0代表true/fake，則對第一項e因為輸入取樣自真實資料所以我們期望d(x)趨近於1，也就是第一項更大。同理第二項e輸入取樣自g生成資料，所以我們期望d(g(z))趨近於0更好，也就是說第二項又是更大。所以是這一部分是期望訓練使得整體更大了，也就是maxd的含義了。
第二部分保持d不變，訓練g，這個時候只有第二項e有用了，關鍵來了，因為我們要迷惑d，所以這時將label設定為1(我們知道是fake，所以才叫迷惑)，希望d(g(z))輸出接近於1更好，也就是這一項越小越好，這就是ming。當然判別器哪有這麼好糊弄，所以這個時候判別器就會產生比較大的誤差，誤差會更新g，那麼g就會變得更好了，這次沒有騙過你，只能下次更努力了。
大概就是這樣乙個博弈過程了。自娛自樂，高手刷到請略過。
**參考：50行**實現gan-pytorch
。
gan網路損失函式 GAN的損失函式
理解生成對抗網路的關鍵在於理解gan的損失函式 js散度 gan實際是通過對先驗分布施加乙個運算g,來擬合乙個新的分布 如果從傳統的判別式網路的思路出發，只要選定合適的loss，就可以使生成分布和真實分布之間的距離盡可能逼近 kl散度經常用來衡量分布之間距離 但kl散度是不對稱的。不對稱意味著，對於...
GAN原始Loss解讀
gan的原始損失函式，咋一看是非常難以理解的，但仔細理解後就會發現其簡潔性和豐富的含義。損失函式定義 一切損失計算都是在d 判別器 輸出處產生的，而d的輸出一般是fake true的判斷，所以整體上採用的是二進位制交叉熵函式。左邊包含兩部分ming和maxd。首先看一下maxd部分，因為訓練一般是先...
損失函式 SRGAN損失函式（目標函式）詳解
srgan的特點之一就是引進了損失感知函式，由此提公升了超解析度之後的細節資訊。本文主要像您介紹srgan使用的損失函式，及其keras實現。這是原文中給出的損失函式。容易看出，此損失函式包括兩部分，第一部分是感知損失，第二部分是正則化損失。感知損失是由李飛飛團隊提出的一種損失函式。感知損失分了兩部...