LOADING . . .

2020年8月31日
Wasserstein GAN
摘要： WGAN论文指出，原始GAN以JS、KL散度作为损失容易导致生成器梯度消失，他们提出了一种新的损失函数——Wasserstein 距离，很大程度上解决了GAN训练难的问题。 原始GAN的损失函数的缺陷 当两个分布之间重叠很小，或者说，两个分布的概率密度同时大于0的区域在整个分布的占比几乎为0时（无穷 阅读全文
posted @ 2020-08-31 10:19 颀周 阅读(1568) 评论(0) 推荐(1) 编辑
很高兴能帮到你~
点赞