论文：https://arxiv.org/pdf/1406.2661.pdf
发表：2014
一、GAN简介：Generative Adversarial Network
GAN是由Ian Goodfellow于2014年提出，GAN：全名叫做生成对抗网络。GAN的目的就是无中生有，以假乱真。
GAN由两部分构成：生成器G + 判别器D
生成器：将随机输入的高斯噪声映射成图像（"假图"），
判别器：判断输入图像是否来自生成器的概率，即判断输入图像是否为假图的概率。
二、GAN与CNN训练过程的区别
CNN的训练：定义好特定的损失函数，然后利用梯度下降优化参数，尽可能用局部最优解去逼近全局最优解。
GAN的训练：动态的过程，是生成器G 与判别器D 之间的相互博弈过程。通俗点讲，即要使得生成器G 生成的所谓的"假图"骗过判别器D ，那么最优状态就是生成器G 生成的所谓的"假图"在判别器D 的判别结果为0.5，不知道到底是真图还是假图。
三、GAN的公式推导
G 代表生成器，
D 代表判别器，
x 代表真实数据，
p_data代表真实数据概率密度分布，
z代表了随机输入数据，该数据是随机高斯噪声。