GAN是 生成对抗网络（Generative Adversarial Networks）的简称，是一种深度学习模型。它由两个神经网络组成：一个生成器网络和一个判别器网络。生成器网络通过学习训练数据的分布，生成新的数据。而判别器网络则尝试区分生成器生成的数据和真实的训练数据。这两个网络通过对抗的方式进行训练，生成器尝试伪造逼真的样本数据，而判别器则负责判断输入的数据是真实数据还是生成器伪造出来的数据。
GAN在计算机视觉、自然语言处理、语音识别等领域有广泛应用，例如图像生成、风格迁移、数据增强等。通过训练，生成器可以生成越来越逼真的数据，而判别器可以更准确地识别生成的数据，两者在对抗中不断提高。