定义

Gan（生成式对抗性网络）是一种无监督学习模型。
模型通过框架中的两个模块：生成模型（Generative model）和判别模型（Discriminative model）互相博弈学习从而产生较好的输出。
判别模型是：输入变量，通过某种模型来预测（给一张图，判断这个图是狗还是猫）
生成模型是：给定某种隐含信息，来随机产生观测数据（给一系列猫的图片，生成一张不在数据集里的新的猫的图片）

gan的优化目标函数理解：

几个概念：
sigmoid函数：S型生长函数，常用作神经网络中的激活函数，将变量映射到0，1之间。