GAN理论的理解

连续分布的x值有如下推导过程：

x是连续的值，Pdata(x)和PG(x)是一个特定的x值的概率密度，当原始图片和生成的图片的概率密度一样的时候，生成图片生成的都是原始图片里面的图片，而且个个图片的概率密度也是相同的，不会生成其他图片。然后用一个batch采样的方法，极大似然估计的方法，使得生成图片逼近原始图片。如下图所示的算法：

上图蓝线是不同的G，分别是G1，G2，G3生成的的值，横坐标是D，纵坐标是；作用就是找到每个G的最大值。对于一个特定的x，当固定G，改变D(x)使得v最大时，刚好就是Pdata(x)和PG(x)的js香农熵，使得香农熵最小，就可以使得Pdata(x)和PG(x)逼近一致。在理论上，D的作用是使得JSD最大。