1.本文是我的新手作，主要是记录一些学习GAN（生成式对抗网络）的过程和心得体会，能够提供一些学习的动力，各位看官能看就看。用到的是系统和相关软件是WIN7+Anaconda3+TensorFlow-gpu-1.8.0，Python版本是3.5.5。至于为什么不用Ubuntu系统，emm主要是怕折腾，以为win7用起来顺手，最后发现掉进了大坑
。。。。
2.软件安装和环境配置什么的不想多说，网上一搜有大把。这里说几点要注意的（开始填坑）：
（1）因为用的是GPU版本的tensorflow，必须先安装CUDA+Cudnn，而且CUDA版本必须与VS版本对应（坑1：没有VS的先去装VS），博主这里一开始用的是CUDA9.2，然后装的VS2017，，然后发现CUDA9.2怎么都安装失败（坑2：VS2017还没有适配CUDA9.2），无奈再用CUDA9.0，可以安装成功了。再去下载与CUDA9.0对应的cudnn版本，具体操作请百度。
（2）安装好了TensorFlow-gpu之后需要配置Anaconda3，主要是要pip安装一大堆东西，如果直接pip install+xxx的话（比如pip instal spyder），下载速度会很慢（坑3）。这里会用一个豆瓣的镜像，操作很简单：在C:\Users\Administrator路径下新建一个文件夹，命名为pip，pip文件夹内新建一个名为pip.ini的文件，打开pip.ini，输入以下内容：
[global]
timeout = 6000
index-url = https://pypi.douban.com/simple
trusted-host = https://pypi.douban.com
保存之后，再在命令窗口或Anaconda Prompt下（注意要先激活tensorflow-gpu环境，如下图所示），输入pip instal+xxx的命令，它就会从豆瓣的镜像进行下载安装，速度极快。博主这里是已经安装好了的界面。
（3）一般说来，为了更快更方便的学习（其实是为了更快让小白入坑。。），我们会在tensorflow的基础上安装keras框架，直接pip install keras即可。这里附一个Keras中文文档 http://keras-cn.readthedocs.io/en/latest/。
这些坑都填完了之后，就可以愉（tong）快（ku）地进行GAN的学习了，以及下一步的填坑
。
3.安装完之后，可以用conda list命令来检查tensorflow-gpu环境下安装的各种库及其版本。
然后可以跑跑MNIST数据集，看看生成些啥。可以在Spyder中IPython Console窗口输入run命令，用的是DCGAN，现成的轮子，代码就不贴了，看看效果：
左上图是初始的噪声，右上图是一个epoch之后的生成图，左下图是3个epoch之后的，右下图是10个epoch之后的，可以看出已经初具数字模样。
这是跑完25个epoch的生成图，大多数数字已经清晰可见。计时显示，将一个6万多图片的数据集（patch size为128）跑完25个epoch，时间大约为22分钟，完全跑完100个epoch估计在100分钟以内（未测试），效率比用cpu快了将近20倍（Nvidia 1070 Ti显卡）。
最后提一下怎样用nvidia-smi.exe看GPU使用率：直接在C:\Program Files\NVIDIA Corporation\NVSMI下找到nvidia-smi.exe文件，复制到桌面备用，打开Anaconda Prompt，直接拖动nvidia-smi.exe图标到Anaconda Prompt窗口内回车，得到下图，可以看到GPU的占用率为40%。
暂时占个坑，以后在慢慢补充。。。