总结:
GAN网络由两部分组成:生成模型和判别模型
生成模型就是输入噪点,输出逼真的样本
判别模型为二分类器,判断真假
更新判别模型的参数(损失函数带有log):在Discriminator中真是样本与1的loss+在D中虚假样本与0的loss
然后更新生成模型的参数(损失函数带有log):在D中fake与1的loss
WGAN网络就是更改了GAN的loss函数, 将loss函数中的log去掉了,并且把+改成了-
WGAN中的鉴别器(D判别模型)也称为评论家
WGAN删除了鉴别器的输出中sigmoid的激活函数,需要1-Lipschitz进行约束,需要将评论家的权重降到很小的值(-0.01~0.01)--------方法:直接进行权重裁剪
WGAN-GP就是把权重裁剪的办法 改成 在loss后面加一个惩罚项,也叫梯度惩罚:L2正则化-1 之类的处理。 并且删去了 1.权重裁剪 2. 评论家中的批标准化(批规范化)