什么是 GAN？

生成对抗网络（GAN）通过两个网络——生成器（Generator）和判别器（Discriminator）——互相博弈来学习数据分布。 生成器负责从噪声中合成样本，判别器负责区分样本是真实的还是生成的。训练过程中，两者交替优化，最终希望生成器能产生以假乱真的样本。

本演示说明

本页面演示了一个简化的 2D-GAN：

• 支持多种目标分布（高斯、环形、双月）以便观察生成器学习路径。
• 可视化判别器在平面上的分类（热力图），以及真实样本与生成样本的分布。
• 实时显示生成器/判别器的损失曲线与 JS 散度指标，用于衡量生成分布与真实分布的差异。