一般来说，记号$\mathbb{E}_{x\sim p}f(x)$或者$\mathbb{E}_{x\sim p(x)}f(x)$指的是期望$f(x)$关于分布$p$对于变量$x$（例如，参见 Bishop 的“模式识别和机器学习”中符号部分的解释）。

在 GAN 的上下文中，这意味着对于诸如

由于第一个和代表正确分类的真实数据（来自$p_{data}$) 和第二个加法正确代表来自 G 的假分类图像$z$采样自$p_z$, D 试图最大化这个表达式。而 G 则相反。