Wasserstein GAN，作者Ajvosky。
知乎上郑华滨 的令人拍案叫绝的Wasserstein GAN讲的简洁明白。
GAN存在着以下问题：
- 训练困难
训练不稳定，需要小心地平衡生成器和判别器的训练程度 - 生成器和判别器的loss无法指示训练进程
没有可以用来指示训练进程的损失函数，该函数值越小表明GAN训练得越好 - 生成样本缺乏多样性的问题
- 需要精心设计网络架构
想要理解WGAN如何解决这些问题，需要阅读以下两篇文章：
Towards Principled Methods for Training Generative Adversarial Networks
这篇论文从理论上分析了GAN为什么会存在上述问题。
Wasserstein GAN
这篇论文给出了改进算法。
作者实现PyTorch：
https://github.com/martinarjovsky/WassersteinGAN
TensorFlow实现：
https://github.com/Zardinality/WGAN-tensorflow
来源：CSDN
作者：Vic时代
链接：https://blog.csdn.net/VictoriaW/article/details/56486471