版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_20081893/article/details/83243914
这篇文章用于记录学习过程
更新一下这个，由于之前没有将训练文件和数据集登表示清楚。
我的环境是python3.5
ubuntu16.04
GTX1050Ti
系统直装tensorflow目前应该是1.11以上吧没有使用容器
我将会把以下实现结果的源码通过百度云上传：
如果嫌百度下载慢的可以用pandownload(自行百度)
本次展示的所有图片全在我的机器上训练的
在mnist上的表现
在celeb人脸数据集上的表现
位置信息有问题，可以如果使用带位置信息的网络去搭建可能就不一样
在网络上爬取的动漫人物头像的表现
注明：本方数据集是一位研究生首先想到的，并且爬取了。在此只是借用。
以上是在基于DCGAN也就是深度卷积神经网络。
首先对抗生成网络就是一个博弈过程，或者说是一个游乐场检票员D和一个游乐场假票制作人员G。
所以说，制作假票的那个人G就希望自己制作的票越难被查出来越好，也就是越真越好，但又不和真票序列号相同
而游乐场检票人员D希望自己检查假票的能力越强越好，所以她需要区分真票与假票。
z是随机数（原材料）
x是一张图片（票）
D(x)和G(z)分别是检票人和假票制作人
我们定义一个函数V(G, D)
相关资源地址
GAN课程视频https://www.bilibili.com/video/av9770302/from=search&seid=905421046757750252
该视频是李宏毅老师的。但是我听得不是很懂，说实话，数学还不到位
ppt地址：http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html
李宏毅老师的视频对应的PPT
GenerativeAdersarialNetworks: https://github.com/hwalsuklee/tensorflow-generative-model-collections
这个是一个比较全的关于Gan的实现的github
关于GAN的解释
简书上一篇基于李宏毅教授的有比我清楚的解释
很清楚的文章CSDN: https://blog.csdn.net/stalbo/article/details/79283399