1 实验内容
借助Keras，Tensorfolow 或Pytorch 等框架，设计和搭建自己的MNIST-GAN 图像生成器，生成新的手写数字图片
要求：
实现MNIST 数据加载和可视化
搜索和阅读相关资料和论文，在Keras，Tensorfolow或Pytorch 任意框架下实现MNIST-GAN网络的构建和训练
使用训练好的MNIST-GAN 网络产生新的0-9 手写数字图片，并在训练数据集中找出和新生成图片‘‘最接近’’（可自行定义接近程度，或者尝试多种方式后人工比较）的训练图片
使用linearly interpolating 完成下图中效果（图片来源：Figure 3 in Generative Adversarial Nets, Ian J. Goodfellow, et al.）
（选做）GAN 的训练被认为相对困难（可参见‘‘参考资料’’），总结在实验中遇到的问题，搜索资料，尝试不同的解决方案并总结
2 实验原理
Basic Idea of GAN
Algorithm
