PyTorch, GAN笔记

1. GAN的原理：生成器(Generator)想骗过判别器(Discriminator)，但判别器因为有真实数据，所以可以将真实数据与生成器生成的数据区分开来，通过两者的博弈达到一个纳什均衡点。
2. 判别器输出的是一个概率值，值越大表示越可能来自真实数据分布。
3. Deep Learning时会因为seed的不同而带有一定的随机性，所以为了实现效果的复现，最好是把种子固定住！
4. GAN里Generator和Discriminator在一个epoch里是交互式训练的，但具体训练时可能不是训练一个step，而是多个step!