生成对抗网络

VAE通过引入隐变量z定义了一个显式的密度函数
生成对抗网络（GANs）通过对抗网络生成样本，而无需显式的密度函数
对抗学习是一种机器学习领域常用的学习策略，通过引入假样本迷惑模型

基本思想：训练两个网络

• 生成器G：生成虚假样本，试图迷惑判别器
• 判别器D：试图区分真实样本和虚假样本
• 对抗学习：二者对抗训练

零和博弈：
最终通过充分训练，渴望算法收敛于一个好的关于数据分布的估计$p_g$，由$p_g$生成的样本，被最优的判别器当成真实样本