GAN的提升方法
本节主要介绍对GAN的改进方法~课程pdf和video。
Wasserstein GAN(WGAN)
JS Divergence并不适用!为什么这样说?下面给出解释~
在很多情况下,Pg和Pdata是没有重合的。原因有两个:
- 数据本身的特性决定的,地位空间的数据在高维空间的manifold,所以,能够出现重叠的地方,几乎可以忽略;
- 采样问题,训练过程中,其实是随机采样,而采样的数量相对于分布,可以说是微乎其微,能够有重合的比例也是小的可以忽略不计。(个人觉得这个理由更合理一些~)
对于没有重合的情况下,JS divergence的值都是log2。所以,下面不同分布,在没有重合前,都是log2。这样,就没法判断谁好谁坏了。