问题：监督、生成模型概念

Gan的生成模型和HMM、贝叶斯生成模型的区别

1 train data和generator data 同分布same distribution怎么理解？是经过编码器映射后的特征空间吗

从统计学的角度看generator data 和real data 同分布，学到的是z生成器fake data的分布，会不会有和完全一样的
杂讯的图和real的图不同之处就是数据分布不同，比如说直方图，或者经过D编码到特征空间的分布位置
？？

2 对数似然函数D，最大化对数似然，G，最小化D(G)为假的(1-D(G))=p概率=0,的log值即：log(1-D(G))。为什么不可以写成min-arg{-log(D(G))} 预测为真的概率P

3 Gan是非监督没有使用数据标签，但是有discrimator 监督反向传播，跟hmm、贝叶斯非监督学习算法的区别

4 Gan的loss可以加入triplet loss，每次real1 real2，real1 fake，

Gan的损失函数

条件Gan（网络模型上的变化）

wGan的loss（loss变化）

SRGan：super resolution Gan 超分辨Gan

pix3pix loss

cycleGan