原创文章，转载请注明： 转载自慢慢的回味
本文链接地址: GAN生成对抗网络的Keras实现
网络组成
GAN生成对抗网络包括2部分：
生成网络部分：它是一个多层神经网络结构，把一个高斯噪声通过网络生成一个图片数据，像是一个回归问题。
鉴别网络部分：它也是一个多层神经网络结构，把一个图片数据通过网络输出1或0，分辨出是不是真实图片，像是一个分类问题。
对抗的含义在于，生成网络总是想生成一个和真的一样的图片，鉴别网络部分总是想区分出谁是真实图片，谁是生成网络生成的。
理论推导网上很多，可以参考比如：GAN论文阅读——原始GAN（基本概念及理论推导）
程序分析
生成网络模型：
输入1X100的高斯分布向量 ->
256输出的全连接 -> 用ReLU进行分类 -> 正规化 ->
512输出的全连接 -> 用ReLU进行分类 -> 正规化 ->
1024输出的全连接 -> 用ReLU进行分类 -> 正规化 ->
图像大小（28X28X1）输出的全连接 -> 用tanh进行激活输出 -> 生成28X28X1的图片
返回的模型为：输入噪声，输出图片
继续阅读“GAN生成对抗网络的Keras实现”本作品采用知识共享署名 4.0 国际许可协议进行许可。