假设我们用一个被训练用于生成图像的神经网络，取代之前只能生成低质量图像的组件。我们称它为生成器 （generator）​。同时，我们把分类器称为鉴别器 （discriminator）​，让我们思考一下该如何训练生成器。训练的关键在于，我们希望奖励哪些行为，惩罚哪些行为。这也正是损失函数的作用。如果图像通过了鉴别器的检验，我们奖励生成器。如果伪造的图像被识破，我们惩罚生成器。暂时不需要担心关于损失函数的问题，只需要看整体框架。鉴别器的作用是把真实的图像和生成的图像区分开。如果生成器的表现不佳，区分工作就很容易。不过，如果训练生成器，它的表现应该越来越好，并生成让我们思考一下该如何训练生成器。训练的关键在于，我们希望奖励哪些行为，惩罚哪些行为。这也正是损失函数的作用。如果图像通过了鉴别器的检验，我们奖励生成器。如果伪造的图像被识破，我们惩罚生成器。暂时不需要担心关于损失函数的问题，只需要看整体框架。鉴别器的作用是把真实的图像和生成的图像区分开。如果生成器的表现不佳，区分工作就很容易。不过，如果训练生成器，它的表现应该越来越好，并生成