先来梳理一下我们之前所写的代码，原始的生成对抗网络，所要优化的目标函数为：
此目标函数可以分为两部分来看：
①固定生成器 G，优化判别器 D， 则上式可以写成如下形式：
可以转化为最小化形式：
我们编写的代码中，d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits = D_logits, labels = tf.ones_like(D)))，由于我们判别器最后一层是 sigmoid ，所以可以看出来 d_loss_real 是上式中的第一项（舍去常数概率 1/2），d_loss_fake 为上式中的第二项。
②固定判别器 D，优
延伸阅读
- ssh框架 2016-09-30
- 阿里移动安全 [无线安全]玩转无线电——不安全的蓝牙锁 2017-07-26
- 消息队列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 论文笔记【图片目标分割】 2017-07-26
- 词向量-LRWE模型-更好地识别反义词同义词 2017-07-26
- 从栈不平衡问题 理解 calling convention 2017-07-26
- php imagemagick 处理 图片剪切、压缩、合并、插入文本、背景色透明 2017-07-26
- Swift实现JSON转Model - HandyJSON使用讲解 2017-07-26
- 阿里移动安全 Android端恶意锁屏勒索应用分析 2017-07-26
- 集合结合数据结构来看看(二) 2017-07-26
学习是年轻人改变自己的最好方式