WGAN简介

1. 原始GAN的优化

原始GAN的目标函数为：
$$mi{n}_{G}ma{x}_{D}V(D,G)$$

$$V(D,G)=E_{x\sim p_{data}(x)}[logD(x)]+E_{z\sim p_z(z)}[log(1-D(G(z)))]$$

先是固定生成器G，优化判别器D（真实数据希望被分成1，生成数据希望被分成0）：
$$ma{x}_D(E_{x\sim p_{data}(x)}[logD(x)]+E_{z\sim p_z(z)}[log(1-D(G(z)))])$$
判别器最优解为：
$$D^{\ast }(x)=\frac{P_{data(x)}}{P_{data}(x)+P_g(x)}$$
然后固定判别器D，优化生成器G（第一项不包含G，是常数，可省略）：
m i n G E z ∼ p z ( z ) [ l o g ( 1 − D ( G ( z ) ) ) ] min_G E_{z\sim p_z(z)}[log(1-D(G(z)))] minG​E