前一阵子，偶然看到一个换脸的视频，觉得实在是很神奇，于是饶有兴致的去了解一下换脸算法。原来背后有一个极为有意思的算法思想——对抗生成。
随后各种各样的GAN算法以指数级增长的方式涌现出来，比如WGAN（Wasserstein GAN），CGAN（condition gan），SRGAN（super resolution gan）等。据说后来提出的GAN在取名字简称的时候——XXGAN，其中GAN的前面的XX，26个英文字母两两排列组合都快不够用了，这足以见得这个算法最近几年的热度。而GAN也有很多应用场景：
- 高清图片生成。
- 消除马赛克。
- 侧脸转正等等。
由于笔者只在稍微了解过图像领域的GAN算法，所以只能说出以上具体的应用场景。不过据了解在自然语言处理领域GAN也可用了训练聊天机器人（chatbot）。总之笔者感觉GAN这个算法如果用对了地方，还是能够发挥出它的潜力的。
GAN算法简介
GAN的结构
首先我们简单了解一下最原始的GAN网络结构,如下图，主要只看分为黄色长方形和粉红色长方形，这两部分为Network的部分：
- 一个生成器（粉红的generator），
- 一个判别器（黄色的discriminator），
接下来注意了，我们仔细研究下这两个网络的输入和输出，同时了解一下这两个网络的关系：
- 生成器的输入是