把Encoder和Decoder分开，不是串联，而是并联。

Encoder：输入sample的真实图像x，输出生成的code z
Decoder：输入某分布sample出的code z，输出生成的图像x
Discriminator：输入一对(x, z)，D辨别这一结数据来自Encoder还是Decoder

1. 训练过程

1. 从database sample出M张图像，记为x
2. $\tilde z = En(x)$
3. 从某分布sample出M个code，记为$z$
4. $\tilde x = De(z)$
5. 更新Dis的参数，目标：Dis$(x, \tilde z)\uparrow$，Dis$(\tilde x, z)\downarrow$
6. 更新En和De的参数，目标：Dis$(x, \tilde z)\downarrow$，Dis$(\tilde x, z)\uparrow$
   En和De联手骗过Dis

2. BiGAN的原理

设联合分布$(x, \tilde z)$为P，$(\tilde x, z)$为Q
希望通过Dis的引导，让P和Q越接近越好。

普通auto-encoder得到的图像：不清晰，且跟原图很像
BiGAN得到的图像：清晰，且跟原图不像

3. Triple GAN

用于半监督学习