GAN GAN 是非監督式學習的一種方法，由生成器和判別器組成，生成器會隨機取樣作為輸入，其目標盡可能讓輸出模仿真實樣本，而判別網路的輸入則為真實樣本以及生成器生出來的樣本，兩者相互對抗並輸出 real or fake。 簡單說就是用 G 模擬像是真圖 A 的假圖 B，並且比較 A, B，輸出 true, false 截圖 2025-03-15 下午6.53.44 而在這其中判斷 A, B 相似度的損失函式為 Binary Cross Entropy(二分類交叉熵損失)： $$ max_{D} V(D,G) = \mathbb{E}{x \sim p{\text{data}}(x)}[\log D(x)] + \mathbb{E}_{z \sim p_z(z)}[\log(1 - D(G(z)))]

:dart: 客製化且可以模組化的瑞士刀 Introduction 主要用在模擬客製化的開發環境 透過下列工具 images/ 鏡像 (ISO) 要部署的應用程式、軟件 dockerfile 建構客製化的環境(自動化腳本)