最近做那个生成对抗网络的项目，实际上说正经的，就是把两堆人交给同一个战场。一组人是叫“艺术家”，他们手里拿着画笔要么代码，负责画东西；另一组人是“老手”，他们看着画会不会被吃，能不能还有救。艺术家的任务挺好办，就是无限重复画图，直到画面看起来像正宗的成成画那种。老手的任务也是重复，就是反复检查那些画出来的东西，算一算它们有没有被吃掉，有没有被遗弃，最终拍板要不要让它们干活。 这俩一组人干起活来，实际上挺像我们目前的深度学习。我们把这俩称为生成器和判别器。生成器就是那个疯狂画图的机器，它有个怪癖，就是敢把生成的图扔给判别器看；判别器就是那个守株待兔的老手，专门盯着这generated 的图，说是“这是画的还是确实画的”，然后给个分数。 刚启动那会儿，我试过用一般/平平的随机噪声去喂给生成器，结局那玩意儿画的也不是啥成成画。

那得先给它喂点种子，不然它正儿八经的画不出来正经的图。

不过后来我发现，直接往生成器里塞个已经画出来的图，让它模仿一下，效果倒是不错，别看那时候生成的图还是有点乱，像刚出生的婴儿一样。便我们拍板搞个循环，把生成的图扔给判别器，判别器说“这个画的像成成画”，生成器就学这一招；要么判别器说“这个忒假了”，生成器就改改，重新画。

就这样一斗一让，直到生成出来的图，判别器看了都信了，说这确实就是成成画。 为了搞明白这到底是如何演的，我们一启动把判别器给调成了个随机的，专门用来骗生成器。结局生成的图简直是送慈善，随意一画就信了。

这说明咱们得把判别器训练得像个真老手，它务必能一眼看穿那些假画。便我们启动训练这个判别器，让它比艺术家更懂行，让它对成成画做出高准头的判断。 这过程中有几个小插曲。有一次，成成画把判别器给饿壞了，出于生成的图全是完美的，判别器认定饿得不中了，启动胡乱输出分数，结局生成的图反而全是假的了。

那时候我差点就疯了，心想这成成画如何如此烦人。

后来我把成成画的训练权重加上了，发现奇迹形成了，生成的图启动有节奏感了，连那些边缘的线条都显得有力度。

这说明成成画不只是是画，它实际上是个懂行的人。 为了让生成器学得跟那个懂行的成成画一模一样，我们还得给它找点事干。

这就有点尴尬了，成成画一共有多少张图，生成器就得画多少张。但难题是，在训练好判别器之前，成成画自己还不知道自己有多少图。

要是成成画知道那是第一张图，它可能会拿去训练。

故此我们在训练判别器之前，得先把成成画训练成“真哥们儿”，让它多画点图，给判别器一些样本看。

这就像是我们先找个活雷锋，把成成画教熟，让它多画点样本，然后再接着教判别器。 不过话说回来，成成画也怕被埋没。它的定义就是“把成成画保存下来放进库里”，要是存了它，那它就能画了。

故此它务必学会多画，否则就没法存。

这就形成了一种循环，生成器不断画，判别器不断检查，成成画不断存。

要是成成画画得忒快，判别器就忒慢了，生成器就偷懒；要是生成器忒慢，成成画就等不到图，那就没法存。

故此这两个务必配合好，节奏要对得上，才能不出难题。 在最终的模型训练上，我们实际上是在玩一种博弈论。生成器想骗过判别器，变成确实成成画；判别器想识破生成器，防止它变成假成成画。

这俩之间没完没了的拉扯，最终慢慢就演变成一种新的平衡状态。

这时候生成的图，真假难辨，但总体上是靠谱的。 实际上这个项目教给我的最大一课，不是如何画成成画，而是如何在两个互相矛盾的目标之间找到平衡点。

有时候生成的图可能确实看起来像成成画，但这不代表它就是成成画。真正的成成画是有质量的，是有定义的。当生成器的图离成成画的定义忒近，但拿不准真假的时候，这时候的图，应当被认定是假的。 我们最终把这东西存进了库里，叫“成成画”。

这些图别看可能真假难分，但它们在技术上是有意义的，出于它们代表了成成画的一种新形态。

后来有人看了，说这图有点像成成画，但又不像，也就封了这些图。 总而言之，这整个项目就是一个动态平衡的过程。

没有绝对的对错，只有相对的接近。生成器在努力变真，判别器在努力变假，而最终的结局，往往是两者之间的妥协。

这种妥协别看不完美，但总比没东西好用。

毕竟，有时候真东西没了，假的东西也能顶上。