非监督学习：训练集没有标注，学习的结果是数据的隐含规律，表现形式可以使数据按相似性分组、数据的分布、数据分量间的关联规则，最主要的是探讨非监督学习中的聚类问题。GAN 是Ian Goodfellow在2014年的经典之作，在许多地方作为非监督深度学习的代表作给予推广。 GAN解决了非监督学习中的著名问题：给定一批样本，训练一个系统，能够生生成成(generate)类似的新样本。对抗网络：使用两个网络互相竞争，称之为对抗式对抗式(adversarial)结构 如果采用零和博弈，生成器G的目标是最小化L(G,D)，而实际操作发现零和博弈训练效果并不好，G的目标一般采用最小化 或2015年的DCGAN把类似的理念应用到人脸图像上。通过对编码（输入的随机向量）进行代数运算，控制生成人脸图像的属性。
