GAN Lecture 1 (2018): Introduction
我們希望讓機器來生成東西(generation)，舉例來說，生成影像或文章
右圖為例，給幾個向量，他就生成幾張圖/句子
我們希望能夠控制輸入與輸出，例如輸入一張圖或一段文字，機器輸出特定的東西(下一章 Conditional Generation)
但先從給機器一個隨機向量，他可以產生一個object開始
GAN的首要目標是要訓練出一個 Generator，他是一個function (NN)，吃一個向量，吐一個向量
以圖image generator來說，架構如下，輸入一個向量，輸出一張image（高維度向量）
輸入的向量的各個維度通常都會對輸出的image的某個特徵有點關聯
舉例來說，若第一維代表頭髮長度，那把這個維度的值拉高，頭髮就越長
GAN在訓練generator的同時，也會訓練一個 Discriminator。他也是一個function (NN)
假設要產生圖片，那他就吃一張圖當作input，輸出一個scalar，表示產生出來的圖片的quality。
quality越高，代表產生出來的圖片越像真實的圖片
舉例還說，下面給4張圖，畫的越好的圖輸出結果越高
