生成对抗网络 (GAN) 公式详解

生成对抗网络 (GAN) 的公式包括：/n/n1. 生成器的损失函数：/n$$/mathcal{L}{G} = -/frac{1}{m}/sum{i=1}^{m}/log(D(G(z^{(i)})))$$ /n/n其中，$m$为样本数量，$z^{(i)}$为从噪声分布中采样的随机向量，$G(z^{(i)})$为生成器输出的样本。/n/n2. 判别器的损失函数：/n$$/mathcal{L}{D} = -/frac{1}{m}/sum{i=1}^{m}[/log(D(x^{(i)})) + /log(1 - D(G(z^{(i)})))]$$ /n/n其中，$x^{(i)}$为真实样本，$D(x^{(i)})$为判别器对真实样本的判别结果，$1 - D(G(z^{(i)}))$为判别器对生成样本的判别结果。/n/n3. 生成器的更新公式：/n$$/theta_{G} /leftarrow /theta_{G} - /alpha /frac{/partial /mathcal{L}{G}}{/partial /theta{G}}$$ /n/n其中，$/theta_{G}$为生成器的参数，$/alpha$为学习率。/n/n4. 判别器的更新公式：/n$$/theta_{D} /leftarrow /theta_{D} - /alpha /frac{/partial /mathcal{L}{D}}{/partial /theta{D}}$$ /n/n其中，$/theta_{D}$为判别器的参数，$/alpha$为学习率。