深度学习入门之PyTorch学习笔记＃10

对抗生成网络(GAN)，其实嘛，就是两个神经网络，一个用于判断数据是真实的数据还是另一个网络自己生成的，而另一个网络的目标就是生成假的数据来欺骗第一个网络

今天按照书里的练习，写了一个简单的GAN，判别网络和生成网络都使用了三层卷积层，对MNIST数据集学习生成书写数字图像。MNIST数据集实际上又0~9共10个种类的图像，把原始数据都标记成真数据，把生成网络生成的数据都标记成假数据，有一点这里自己没有研究过，就是对于生成网络来说，0~9这几个数字是否当中某几个数字更容易欺骗判别网络？如果是这样的话，在评价的时候，就会收到随机生成的初始噪音的影响了吧？

这是第1次迭代生成的图片

这是第30次迭代生成的图片

这是生成模型的Loss曲线，整体是震荡下降的，不过不知道为啥第16代的Loss最低之后就再也没有下降到那么低？