上周，同事普及了下《生成对抗网络 (GAN)》，看到简单的几十行简洁代码，就完成了图像生成器、分类器的构建，感觉很赞叹！就这样认识了keras，想着对自己这个深度学习小白来说，keras将是个不能再好的选择了，所以就准备开始学习keras了，然命运如此多舛，在网上找了个很类似官网的代码跑起来却出现了一堆问题！看到那些密密麻麻的报错代码，整个人生都赶脚崩溃了，那些密密麻麻的小字母与error一起交相辉映，向我散发着嘲笑的光芒，感觉好挫败啊！求助于大神，简单的搞定了！在此感谢大神--马云龙同学（由于是光荣榜，所以就不打码了，而且熟人也不会看到！哎，感觉自己好笨~但是我要做一只坚强的笨蛋！！）
keras是这一种高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。那么如何更改后端呢？
由此可查询后端（linux服务器命令）
python cnnTest.py | more
***********************************************************************************************************************************************
vi ~/.keras/keras.json
{
"epsilon": 1e-07,
"image_dim_ordering": "th",
"backend": "tensorflow",
"floatx": "float32"
}
修改backend 即可以修改后端类型，建议使用tensorflow
*************************************************************************************************************************************************
Generative Adversarial Networks (GAN)
生成对抗网络 (Generative Adversarial Network,
GAN) 是由 Goodfellow [1] 于 2014 年提出的一种对
抗网络。这个网络框架包含两个部分，一个生成
模型 (generative model) 和一个判别模型
(discriminative model)。其中，生成模型可以理解
为一个伪造者，试图通过构造假的数据骗过判别
模型的甄别；判别模型可以理解为一个警察，尽
可能甄别数据是来自于真实样本还是伪造者构造
的假数据。两个模型都通过不断的学习提高自己
的能力，即生成模型希望生成更真的假数据骗过
判别模型，而判别模型希望能学习如何更准确的
识别生成模型的假数据。
[1]: Goodfellow, Ian, et al. "Generative adversarial nets." Advances in neural information processing systems.
2014.
