G: 生成模型，用于捕获数据分布，输入随机噪声
D: 判别模型，判断样本的来源（G或者真实样本）
生成器：以图片为例，学习一个pg的分布。给一个随机噪声pz(z)作为输入，映射到真实的图片x。G(z;$\theta$)
D(x;$\theta d$)输出一个标量，表示x来自真实数据还是生成器。
先更新判别模型，再更新生成器
KL散度，JS散度
KL散度(相对熵，是两个概率分部的差异)
对于分类问题：
| (a cat image) |
cat |
dog |
| predict |
0.9 |
0.1 |
| label |
1.0 |
0.0 |