具体内容详见：【论文复现】Generative Adversarial Nets（GAN基础理论）
关于超参数优化，有网格搜索、随机搜索、贝叶斯优化等多种方法，针对于本实验，由于设备限制选择手动调参，下面对实验结论进行总结：
机器学习：通过算法使得机器能从大量数据中学习规律从而对新的样本做决策。 机器学习是从有限的观测数据中学习（或“猜测”）出具有一般性的规律，并可以将总结出来的规律推广应用到未观测样本上。...
机器学习是从有限的观测数据中学习（或“猜测”）出具有一般性的规律，并可以将总结出来的规律推广应用到未观测样本上。 机器学习方法可以粗略地分为三个基本要素：模型、学习准则、优化算法。...
强化学习的基本任务是通过智能体与环境的交互学习一个策略，使得智能体能够在不同的状态下做出最优的动作，以最大化累积奖励。这种学习过程涉及到智能体根据当前状态选择动作，环境根据智能体的动作转移状态，并提供即时奖励...
目前，研究人员通过大量实践总结了一些经验方法，以在神经网络的表示能力、复杂度、学习效率和泛化能力之间取得良好的平衡，从而得到良好的网络模型。本系列文章将从网络优化和网络正则化两个方面来介绍如下方法：...
