simple -GAN
理论
生成对抗网络（GAN）是最近十年来比较火爆的技术之一，被誉为21世纪最有趣的创想。GAN作为生成网络，自然是可以生成诸多形式的数据，这些数据甚至是现实世界中不曾存在的。例如，最近非常火爆的换脸技术，或者是称为DeepFake，就是GAN的杰作（当然不可能是最原始的GAN），能以假乱真的更换图片视频中的人的脸，因此这项技术也经常被用于各种犯罪（懂的都懂~）。其基本思想就是利用一个生成器和判别器的对抗，不断提升二者的能力，让生成器有足够的能力去骗过鉴别器，就像一个造假钞的人造出了以假乱真的钞票，骗过了验钞员一样。
每个GAN都拥有判别器和生成器。GAN也拥有数以百计的变体，例如CycleGAN，CGAN，DCGAN等等。本文只介绍GAN，CycleGAN，ACGAN的几种损失。
目的：使得生产器能生成能以假乱真的结果。
生成器G输入噪音，生成的结果输入判别器D；
D分别接受真实样本1 和 D的输出 0，D的目标是能分别这两种输入；
G的目标是使得D能将他的输出认成1
