输入不再是只是x，还有一个simple distribution（样本分布），输出也是一个分布

Why distribution
不同的分布即意味着：相同的输入会有不同的输出。
尤其在任务需要创造力的时候，需要分布

输入一个
假设z是从normal distribution中sample出来的向量，而输出y是二次元任务的脸，生成图片其实就是生成非常高维的向量，不同的z，输出都是二次人物的脸。

scaler越大，表示越像真实的二次元任务的图像

关于generator和discriminator，像是相互促进的存在
在生成二次人物的脸的过程中：
最开始generator的参数是随机的，生成完的图像会丢给discriminator，discriminator拿generator生成的图片和真实的图片做比较，判断是不是生成的，然后generator就会进化，进化的目标是为了骗过discriminator。
第二代的generator会再生成一组图片，然后再交给第二代的discriminator判断，循环往复，直到停止训练。

• 初始化一个generator和一个discriminator
• 在每个训练步骤下
  • 固定generator G，更新discriminator D。用generator生成一些图片后，和真实的样本做对比，去训练一个discriminator，D的目标就是去分辨真实的二次元任务跟G产生的二次元人物之间的差异。对于D来说，可以把真实是label标记为1，生成的label标记为2，这样的话，可以看成一个分类问题，训练一个分类器，输出图片的标签。或者看成regression的问题把真实是label标记为1，生成的label标记为0，让D学着去分辨。
    
  • 固定discriminator D，训练generator G。训练的目的是为了让Generator骗过Discriminator，即让Discriminator的输出值越大越好。将输入z丢进G，G生成图片（高维vector），图片丢进D，D输出一个分数，固定D的参数训练G，D的输出越大越好。而G和D连起来其实可以看成一个大的network，只不过中间有一个高维vector的输出， 这个vector跟图片维度是相同的。训练的方法跟其他的网络的训练没有差异。
    
  • 再固定G，训练D，反复执行以上两个步骤，直到得到满意的结果停止训练。

PG是Generator生成的图片的分布，Pdata是真实的数据的分布，我们希望PG和Pdata之间的divergence越小越好，这个divergence就是PG和Pdata之间的某种距离。

在GAN中，只需要sample就足够了
我们可以从真实数据库中的图片中sample出Pdata，也可以从G中sample出PG
然后，使用Discriminator就够了

在Discriminator中，有Pdata和PG用于训练，如果是Pdata，就给高的分数，如果是PG，就给低的分数，公式如下：

我们希望V越大越好，那Dy越大越好，所以从真实数据sample的数据给更高的分数，PG反之。
所以Div(PG, Pdata)可以替换成maxV(D, G)，就有了下面的式子

在大多数情况下，PG和Pdata是不能重叠的

这样的情况下，计算的JS divergence都是log2.

可以吧下图中P想象成一堆土，Q想象成堆土的目的地，要把P推到Q处（形状保持一致），推动的距离d就表示wasserstein distance

但如果P和Q比较复杂，那么就需要做一些处理才能移动，穷举所有把P变成Q的方法，距离最小的那个，就是wasserstein distance

所以换成wasserstein distance，我们可以知道G是不是做的越来越好

使用Wseeerstein distance评估Pdata和PG之间的距离