Wasserstein Slim GAIN with Clipping Penalty（WSGAIN-CP）介绍及代码实现——基于生成对抗网络的缺失数据填补

一、WSGAIN-CP介绍

1.1 WSGAIN-CP网络架构

WSGAIN-CP全称Wasserstein Slim GAIN with Clipping Penalty，其目的在于减少影响Slim GAN的主要问题，如模式崩溃和梯度消失。WSGAIN-CP的架构与SGAIN几乎相同。SGAIN的架构可以参考文章：Slim GAIN（SGAIN）介绍及代码实现——基于生成对抗网络的缺失数据填补。

1.2 生成器模型（Generator）

WSGAIN-CP的生成器与SGAIN的生成器相同，它们甚至共享相同的损失函数，可参考前文。
而WGAN的改动在于四点：

• 判别器最后一层去掉sigmoid；
• 生成器和判别器的loss不取log；
• 每次更新判别器的参数之后把它们的绝对值截断到不超过一个固定常数c；
  -不要用基于动量的优化算法（包括momentum和Adam），推荐RMSProp，SGD也行；