一、 目的
利用gan神经网络，实现了mnist数据的生成任务。二、 网络结构设计：
我所作的gan网络结构如下：
生成器：
判别器：
三、 原理介绍
生成对抗网络（以下简称GAN）是通过让两个神经网络相互博弈的方式进行学习，可以根据原有的数据集生成以假乱真的新的数据，举个不是很恰当的例子，类似于造假鞋，莆田艺术家通过观察真鞋，模仿真鞋的特点造出假鞋并卖给消费者，消费者收到鞋子后将它与网上的真鞋信息进行对比找瑕疵，并给出反馈，比如标不正，气垫弹性不好，莆田艺术家根据消费者给出的反馈积极地改进工艺，经过不懈努力后最终造出了可以忽悠消费者的假鞋。在上述情景中，莆田艺术家相当于生成器，消费者相当于辨别器，在造假的过程中，生成器和判别器一直处于对抗状态。我们把上述情景抽象为神经网络。首先，通过对生成器输入一个分布的数据，生成器通过神经网络模仿生成出一个输出（假鞋），将假鞋与真鞋的信息共同输入到判别器中。然后，判别器通过神经网络学着分辨两者的差异，做一个分类判断出这双鞋是真鞋还是假鞋。这样，生成器不断训练为了以假乱真，判别器不断训练为了区分二者。最终，生成器真能完全模拟出与真实的数据一模一样的输出，判别器已经无力判断。 算法流程如下
以上是gan论文中的算法流程，说的直白一些就是，在每个epoch中先用生成器生成一组假数据，与真数据一块放入判别器中进行识别，训练好判别器后保持参数不变，将生成器与判别器相连，去训练生成器的参数，如此反复。
四、结果与分析
看一下迭代10次的效果：
感觉整体都很像8，可能所有的数字和8都有重合的原因，导致训练的结果总是往8上靠拢。下面介绍一下我的代码框架： 如果只是想直接运行的话只要先运行xunlian.py在里面我会有注释，最后会生成10张图片保存在jieguo.npy文件中（当前的是我训练过的，如果要训练得换一个名字保存），查看图片运行xianshi.py里面用的是plt图片显示指令，会展示预测的图片。
五、总结
这次实验没有使用任何ai的工具包，只用了numpy和一些显示图片的辅助库，卷积的关于mnist识别率在95%左右，可能相比与tensorflow和pytorch还是略显得差一些，所以整体的实验结果也没有那么的完美，但能把数字的一个模糊轮廓实现还是说明实验是成功的，经过这次实验收获还是挺多的，模型的构建上确实下了一番功夫，比如一开始忘记交替训练了，生成了一堆二维码，然后痛定思痛，又看了一些博客和论文才发现犯了没有交替训练的低级错误，纠正以后的实验结果还是符合预期的。
备注：如果想要源码和数据，可以通过链接///download/m0_37922163/12107799获取。
如果对时间没有要求的，可以将邮箱联系方式写在评论区，我可以邮箱发送。
