如何理解GAN的這個公式：
gan模型包含一個生成器Generator和一個判別器Discriminator，分別記作G(x)和D(x)。假設我們想要的是一種圖片，生成器用一份噪音來生成這種圖片，而判別器則用來計算一張圖片是真實圖片而非來自生成器的概率。在gan論文中，ian用nn來實現G(x)和D(x)。從大局上看，訓練GAN模型的時候需要隨機噪聲和一批真實樣本，訓練好后使用的時候只需要向G(x)輸入噪聲即可生成所需的東西。
這個公式是訓練GAN模型時的全局目標。x~Pdata(x)指從樣本集合中采樣x，x是真實圖片；D(x)是x是真實圖片的概率；z~pz(z)指生成一份隨機噪聲z；G(z)是噪聲z通過生成器生成的圖片；D(G(z))是這個生成圖片是真實圖片的概率。期望E是因為每次訓練的時候一批一批地輸入。訓練D調整其參數的優化目標是最大化D(x)最小化D(G(z))，訓練G調整其參數的優化目標是最小化maxGV(D,G)。