输入(input):
- normalize至(-1,1)区间
生成器(Generator):
- 激活函数最后一层使用tanh(),中间的激活层使用Relu()或者leakyRelu()
- 隐向量Z使用高斯分布生成, 不要使用均匀分布. (Z是三维的对于图像而言)
- 使用dropout
判别器(Discriminator):
- 最后一层使用的是sigmoid()
损失函数(Loss):
- 对于二分类的真假标签建议不要使用直接的0,或1,而是使用(0.7,1.2) 与 (0.0.3)这样的随机分布来替代 有助于避免梯度崩溃
- 如果G的loss一直在稳定下降,有可能出现G在不断生成一些重复的图片这是没有意义的.
优化器(optim):
- WGAN 建议使用RMSprob