生成模型
输入Z和一个x，输出一个分布(dustribution)范围Y。让输出具有一点创造性。
例如语音聊天机器人，需要一个范围。
Generative Adversarial Network(GAN)
以生成动漫头像为例。
Generator和Discriminator互相对抗。
Generator
Discriminator（一个NN，输出一个标量值(0~1)，值越接近1，表示生成的内容越有可能是一张动漫图片。
用来分辨Generator的输出与真正的图片有何不同。
算法：
1.G初始化参数，生成杂讯。
2.固定G，更新D；（经过训练，D学到真正的和生成的之间的差异：把真正的人脸当做1,把训练出的图片当做0；或者是回归问题)
3.固定D(鉴别器)，更新G(生成器生成在D中得分高的样本)
重复步骤2,3
Progressive GAN可以产生人脸
Interpolation内插可以融合两张图片，做男女性别互转的照片。
Divergence
散度 表征空间各点矢量场发散的强弱程度