生成对抗网络 (Generative Adversarial Network, GAN) 是一种深度学习模型，由生成器 (Generator) 和判别器 (Discriminator) 组成。

生成器网络以随机噪声为输入，通过层层映射和转换逐渐生成逼真的数据样本。判别器网络则被训练用于区分生成器产生的样本与真实样本。两部分通过对抗训练的方式相互博弈，学习数据的分布，使得生成器可以生成逼真的数据样本，而判别器则可以对真实样本和生成的样本进行有效区分。

生成器的目标是最大化判别器无法区分生成样本和真实样本的概率。而判别器的目标是最小化其错误率，即尽可能准确地区分生成样本和真实样本。通过反复迭代优化，生成器和判别器逐渐互相提高，并最终达到一种动态平衡状态。

GAN模型广泛应用于文本、图像、音视频数据生成等场景。