如何理解GAN中的min maxV(D,G)

如何理解GAN的这个公式：

 

 

　　

　　gan模型包含一个生成器Generator和一个判别器Discriminator，分别记作G(x)和D(x)。假设我们想要的是一种图片，生成器用一份噪音来生成这种图片，而判别器则用来计算一张图片是真实图片而非来自生成器的概率。在gan论文中，ian用nn来实现G(x)和D(x)。从大局上看，训练GAN模型的时候需要随机噪声和一批真实样本，训练好后使用的时候只需要向G(x)输入噪声即可生成所需的东西。
　　这个公式是训练GAN模型时的全局目标。x~Pdata(x)指从样本集合中采样x，x是真实图片；D(x)是x是真实图片的概率；z~pz(z)指生成一份随机噪声z；G(z)是噪声z通过生成器生成的图片；D(G(z))是这个生成图片是真实图片的概率。期望E是因为每次训练的时候一批一批地输入。训练D调整其参数的优化目标是最大化D(x)最小化D(G(z))，训练G调整其参数的优化目标是最小化max_GV(D,G)。