GAN——WGAN

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