GAN网络的重新学习的一些内容记录

20211130 -
（本篇文章属于自己在学习过程中的一些内容记录，正是因为对这些内容不理解，才有了这篇文章，同时会记录一些自己的思考，对与错请仔细斟酌。）

0. 引言

经过了一年多，上次专门研究GAN是去年的时候，学习了基础的原理，也记录了一些文章；但是当时并没有使用代码跑过，比如简单的GAN或者WGAN这种。各种乱七八糟的文章在吹，什么有了这个，再也不用怕什么什么了。。。无话可说。

今年八月份的时候，我就弄过这种内容，当时也是为了学习对抗自编码器才学习了一些内容。但是那个时候，我去复现一些GAN的内容的时候，就发现了问题。一方面，大家不同的源码，不管是不同的实现方法也好，不同的实现框架也好，甚至不同的框架版本等等。一些是github上高star的仓库，一些是文章中提到的。但是这里的痛点，是说，他们给出的代码，最后可能训练也比较困难，而且，就比如说理想状态下，GAN网络判别器的准确率应该是50（讲道理，虽然在各种论文里面都看到过，但是我目前还没有实现过，使用最原始的损失函数），然后如果使用WGAN，他本身就更替了这种损失函数的评价方式，又没办法去测试。

但是，去搜索很多文章，或者github，他们给出代码之后，并没有给出是否收敛或者稳定的结果，仅仅是给列出来一个图片，说我生成了这些图片，你看这个图片效果还挺不错。之前看的一篇文章，说准确率部分实际上应该是0.7-0.8的状态，但是这个说法就跟很多论文或者文章都不一样，这就很尴尬。

目前也是属于这种比较尴尬的境地，就在这篇手记中记录一些相关的文章把，我也没办法。
（可能，这是最后一次碰这个东西了，估计弄完这部分研究内容，以后再也不会碰）

1. 文章记录

How to Develop a Conditional GAN (cGAN) From Scratch
How to Develop an Auxiliary Classifier GAN (AC-GAN) From Scratch with Keras

2. 痛点记录

2.1 WGAN的收敛

对于GAN的研究中，论文和一些博客文章，甚至一些跟风的营销号，都说GAN非常难以训练，难以收敛，然后使用WGAN能比较好的解决问题。但是实际上，即使是这样，你去测试一些代码，还是会发现，测试多次，结果都不一样。而且由于WGAN采用的度量方式和原始的GAN并不样，这个新出来的结果，也没有找到非常好的说明文档。

总结来说就是，虽然说，大家都在用这个东西，但是即使有WGAN，很多人还是利用定期生成的图片来测试质量，等于用人眼来判别质量。然后等测试这个代码的时候，这些判断指标又一飞冲天，你又什么也搞不明白。说白了，就是大家都在说他好，然后测试的时候，就仅仅利用图片来说明情况，但是对于数值型的指标却什么也不提。目前未知，我看到的文章，基本上没有提过这部分内容，不管是论文，还是网上的博客文章。

（未完待续。。。）