# Generatywne sieci przeciwstawne (GAN) EN: **Generative adversarial networks (GAN)** · id `gan` · aliases: GAN, generative adversarial network, sieci przeciwstawne, adversarial training Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Sieci i modele generatywne](https://aiatlasgraph.com/t/neural.md) › [Rodziny modeli generatywnych](https://aiatlasgraph.com/t/generative.md) › Generatywne sieci przeciwstawne (GAN) ## Description - PL: Dwie sieci trenowane w grze przeciwstawnej: generator tworzy przykłady, a dyskryminator odróżnia je od danych rzeczywistych; sygnał z dyskryminatora uczy generator coraz lepszego odwzorowania rozkładu danych. Trening może być niestabilny i cierpieć na załamanie trybów. - EN: Two networks trained in an adversarial game: a generator creates samples and a discriminator distinguishes them from real data; the discriminator's signal trains the generator to better match the data distribution. Training can be unstable and suffer from mode collapse. ## In one sentence - PL: To sposób uczenia generatora przez rywalizację z modelem odróżniającym jego wyniki od prawdziwych przykładów. - EN: This trains a generator through competition with a model distinguishing its outputs from real examples. ## Problem it solves - PL: Trudno ręcznie opisać wszystkie cechy sprawiające, że wygenerowany obraz wygląda wiarygodnie. - EN: It is hard to manually specify every feature that makes a generated image look convincing. ## What it does - PL: Generator próbuje tworzyć przekonujące dane, a oceniająca sieć uczy się rozpoznawać różnice i przekazuje mu sygnał do poprawy. - EN: The generator tries to produce convincing data while a judging network learns to detect differences and provides a signal for improvement. ## Everyday example - PL: Podczas treningu generator twarzy otrzymuje wskazówki od sieci porównującej jego obrazy z prawdziwymi zdjęciami. - EN: During training, a face generator receives feedback from a network comparing its images with real photographs. ## This concerns you if you… - PL: poznajesz uczenie przez rywalizację modeli - PL: chcesz zrozumieć, jak ocena uczy generator - EN: study training through competing models - EN: want to understand how evaluation teaches a generator ## Keywords generator-discriminator training · minimax objective · adversarial loss · mode collapse · Wasserstein GAN · StyleGAN ## How it works - PL: Dyskryminator uczy się odróżniać dane od próbek generatora, a generator aktualizuje wagi przez sygnał tej oceny. Naprzemienne kroki optymalizacji tworzą grę, której równowaga ma prowadzić do zbliżenia rozkładu próbek do danych. - EN: A discriminator learns to distinguish data from generator samples, while the generator updates weights through that evaluation signal. Alternating optimisation steps form a game whose equilibrium aims to align sample and data distributions. ## Limits - PL: Dwa zmieniające się cele utrudniają stabilny trening. Generator może pomijać część rozkładu; dobra jakość wizualna nie oznacza różnorodności ani łatwego obliczania wiarygodności danych. - EN: Two changing objectives complicate stable training. Generators can omit distribution regions; visual quality does not imply diversity or easy data-likelihood calculation. ## Key terms - PL: **dyskryminator**: Model odróżniający próbki generatora od przykładów rzeczywistych. - PL: **mode collapse**: Generowanie ograniczonej różnorodności mimo szerszego rozkładu danych. - EN: **discriminator**: A model distinguishing generator samples from real examples. - EN: **mode collapse**: Producing limited diversity despite a broader data distribution. ## Know first - [Propagacja wsteczna (backpropagation) (Backpropagation)](https://aiatlasgraph.com/t/backprop.md) - [Statystyka i niepewność (Statistics and uncertainty)](https://aiatlasgraph.com/t/probability.md) ## Examples - PL: generator i dyskryminator · gra minimax · załamanie trybów (mode collapse) - EN: generator and discriminator · minimax game · mode collapse ## Subtopics (3 direct, 3 in total) - [Generator sterowany stylem (StyleGAN) (Style-based GAN generators (StyleGAN))](https://aiatlasgraph.com/t/stylegan.md): A GAN generator architecture where a mapping network produces a style vector injected into every synthesis layer, separating coarse attributes from fine detail. - [Przekładanie obrazu na obraz (pix2pix, CycleGAN) (Image-to-image translation (pix2pix, CycleGAN))](https://aiatlasgraph.com/t/imagetranslation.md): Conditional GANs learning mappings between image domains, from paired examples (pix2pix) or without pairs via a cycle-consistency loss (CycleGAN). - [Stabilne trenowanie GAN (odległość Wassersteina, kara gradientu) (Stable GAN training: Wasserstein loss and gradient penalty)](https://aiatlasgraph.com/t/wgan.md): A family of GAN objective changes where a critic estimates the Wasserstein distance between distributions, with the Lipschitz constraint enforced by a gradient penalty. ## Related topics Untyped, symmetric "see also" links. - [Powiększanie i naprawa zdjęć (super-rozdzielczość) (Image upscaling and restoration (super-resolution))](https://aiatlasgraph.com/t/imagerestoration.md) - [Przeciwstawna destylacja dyfuzji (generowanie w 1–4 krokach) (Adversarial diffusion distillation)](https://aiatlasgraph.com/t/advdistill.md) ## Sources - [Dive into Deep Learning — table of contents]() `d2l-toc` · by Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola - [Understanding Deep Learning (Simon J.D. Prince) — chapter list]() `udlbook-toc` · by Simon J.D. Prince - [Generative Adversarial Networks]() `gan-2014` · by Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio - [Flow-based Deep Generative Models]() `lilianweng-flow-models-2018` · by Lilian Weng --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/gan · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30