前陣子學習 GAN 的過程發現現在的 GAN 綜述文章大都是 2016 年 Ian Goodfellow 或者自動化所王飛躍老師那篇。可是在深度學習，GAN 領域，其進展都是以月來計算的，感覺那兩篇綜述有些老了。
最近發現有一篇最新的 GAN 綜述論文，四十餘頁，介紹了 GAN 的各個方面，於是就學習並整理筆記如下。文中許多內容大都根據自己所學總結，有不當之處歡迎指出。
此外，本文參考了許多部落格資料，已給出參考連結。如有侵權，請私信刪除。文章目錄如下：
GAN的基本介紹
生成對抗網路（GAN，Generative Adversarial Networks）作為一種優秀的生成式模型，引爆了許多影像生成的有趣應用。GAN 相比於其他生成式模型，有兩大特點：
1. 不依賴任何先驗假設。傳統的許多方法會假設資料服從某一分佈，然後使用極大似然去估計資料分佈。
2. 生成 real-like 樣本的方式非常簡單。GAN 生成 real-like 樣本的方式透過生成器（Generator）的前向傳播，而傳統方法的取樣方式非常複雜，有興趣的同學可以參考下周志華老師的《機器學習》一書中對各種取樣方式的介紹。
下面，我們圍繞上述兩點展開介紹。