1. 核心：G & D

G：Generator 生成器网络。 D：Discriminator 判别器网络。

2. 训练方法

1. 训练D的时候，就是将真图像和生成的图像（假图像）输入到D，进行一个二分类（真和假的判定）

2. 训练G的时候，需要把G和D看成一个整体。输出仍然是一个score，随机向量Z传入G生成图像之后传入D，之后生成score。这里D是不可以训练的！

3. 疑问

1. losses = self(**data)

会调用forward_train()方法。

2. mmdetection/mmdet/models/detectors/base.py

train_step()方法在此文件中。

3. https://www.zhihu.com/column/c_1270382879478755328系列讲解不错

4. mmdetection优化器调用位置

mmcv/runner/hooks/optimizer.py

#. 引用

1. gan判别器的loss接近零_训练GAN，你应该知道的二三事
2. PYTORCH实现一个简单的生成对抗网络GAN

• Previous
  Neural Network🦖2——优化器详解
• Next
  Neural Network🦖4——损失，梯度的计算与反向传播