从VAE的角度看，加上D使用decoder的图像质量更高。
从GAN的角度看，加上encoder，可以使学习有个目标，学习效果更稳定。

Encoder的目标：

1. 最小化reconstructure error
2. z to normal
   Decoder的目标:
3. 最小化reconstructure error
4. 难过D
   D的目标：
   区分是生成的Img还是reconstructed Img。

训练步骤

1. 初始化En， De, Dis
2. 从database sample出M张图像，计做x
3. $\tilde z = En(x)$
4. $\tilde x = De(\tilde z)$
5. 从某个分布（例如正态分布）中sample出M个code向量，记做z
6. $\hat x = De(z)$，此时有三种Img，分别是（2）database sample出来的（4）x经过auto-encoder重新生成的（6）decoder随机生成的
7. 更新En的参数，目标：$||\tilde x -x ||\downarrow$，KL$(P(z|x)||P(z))\downarrow$
8. 更新De的参数，目标：$||\tilde x -x ||\downarrow$，Dis$(\tilde x)\uparrow$，Dis$(\hat x)\uparrow$
9. 更新Dis的参数，目标：：$||\tilde x -x ||\uparrow$，Dis$(\tilde x)\uparrow$，Dis$(\hat x)\downarrow$