看了知乎文章令人拍案叫绝的Wasserstein GAN,记录一下自己的WGAN的理解
- 首先WGAN使用
Wasserstein距离
作为损失函数对模型进行训练,然而这个Wasserstein距离的具体公式是什么不知道,所以需要使用判别器来拟合这个公式。 - 拟合出来
Wasserstein距离
以后,接着使用生成器来缩小这个Wasserstein距离
这就是WGAN的整体思路。
太懒了,就不编辑公式了,直接截图过来
而判别器所要拟合的就是公式中的
f
w
f_w
fw,这里的W是求最大值,而深度学习是求最小值。因此在WGAN的模型中训练判别器的模型是对其取反,如下所示
在得到了Wasserstein距离
后,使用生成器开始对其进行最小化操作,公式如下所示
以后有新的理解,再来补充