对GAN网络公式推导的一些理解

详见https://blog.csdn.net/mr_tyting/article/details/79336802

这段公式表示，首先固定生成器，也就是G的网络参数，然后判别器D要使V的值尽可能大，也就是真实样本和造假样本的区别要尽可能大（故意找茬）。然后关于这个V函数的构造其实也挺好理解的，就是想让输入参数服从pdata(真实数据分布）时和参数服从pg(造假数据分布）得有一个相反的趋势。最后生成的判别器网络参数，要使这个V尽可能大。

继续推导：

其中

（因为最后公式推出来发现，max(v)描述了pdata和pg的jensen-shannon散度有关，即描绘了两个量的差异程度）

也就是求下式：

我们：可以 user  gradient descent 求 G∗：

总结：