监督学习和无监督学习这两个术语早于将人工网络应用于生成和判别网络对的发明，这是第一个流行的生成拓扑。标签的存在是两者之间的关键区别。即使是部分标签也表示监督，就像那个行话一样奇怪，因为监督者不学习并且标签是常数。

基于 GAN 中判别网络的原始描述，即它使用没有标签的示例，GAN 是一种无监督学习。这一事实并没有消除标签的使用作为原始设计扩展的一部分，该设计基于示例中的某些标记元素生成，或者使用其他标签来指示每个图像对预期生成图像的类别的适用性跌倒。

GAN 是无监督的机器学习算法。根据维基百科，无监督算法是：

无监督学习是机器学习的一个分支，它从没有被标记、分类或分类的测试数据中学习

在 GAN 网络中，仅提供未标记的训练数据。网络生成由鉴别器评估的候选（生成）。网络慢慢地从潜在空间给出的数据中学习。

假设，你想创建一个可以制作莫奈画作的 GAN 网络。你只需要喂它一些莫奈的画。在这里，您不是对绘画进行分类，而是对它进行复制/模仿。

因此，这里不需要标签，这使得 GAN 成为无监督机器学习算法。

GAN 通常以自我监督的方式进行训练，即它们使用未标记的数据作为监督信号。请注意，一些自我监督学习方法是无监督学习技术，因为不需要人工注释数据。但是，并非所有 SSL 技术都用于解决无监督学习任务。事实上，有一些 SSL 技术专门用于生成标记数据，然后可用于以监督方式训练模型。