在github上有各种各样的GAN：
算法：
第一步：
第二步：
注意，这时候鉴别器部分是固定住的，虽说损失函数是接在鉴别器网络之后的，鉴别器有梯度反传，但梯度反传不对鉴别器的参数进行更新。
总结
GAN可以被视为stuctured learning的技术
什么是stuctured learning
例如：
为什么structured learning是一个有挑战性的任务
因为它要输出可能它自己也没有看过的，也就是创造。机器得有大局观，图片中的各个构件（conponent）之间是怎么组合的，传统的structured leaning有下图所示两种方式，GAN相当于把它们结合起来了：
其他
后面李宏毅老师将生成器和鉴别器与其他机器学习的知识结合起来方便我们理解（特别是举auto-encoder的例子，让人了解生成器）。除此之外，分析了生成器鉴别器的优缺点，让我觉得GAN的产生非常顺畅，一点都不突兀，鉴于我已经了解了，就不做笔记了。