[1704.00028]ImprovedTrainingofWassersteinGANs(arxiv.org)GulrajaniI,AhmedF,ArjovskyM,etal.Improvedtrainingofwassersteingans[J].Advancesinneuralinformationprocessingsystems,2017,30.代码：igul222/improved_wgan_training:Codeforrepr

一、WGAN实战importtorchfromtorchimportnn,optim,autogradimportnumpyasnpimportvisdomfromtorch.nnimportfunctionalasFfrommatplotlibimportpyplotaspltimportrandomh_dim=400batchsz=512viz=visdom.Visdom()classGene

GAN现在是热门的研究课题，一般有两种类型的GAN研究方向：一种是在各种各样的问题中应用GAN，另一种是试图稳定GAN的训练。稳定GAN的训练过程是一个非常重要的事情。

WGAN是一个对原始GAN进行重大改进的网络主要是在如下方面做了改进实例测试代码如下：还是用我16张鸣人的照片搞一波事情，每一个上述的改进点，我再代码中都是用Difference标注

今天讲述的内容还是GAN的训练，也是最后一期，做几个简单的小实验，告诉大家怎么给GAN加正则项，使得你的GAN尽可能收敛。其实今天的内容本来还是与动力学结合很紧密，但是考虑到复杂

越学习越发现自己知之甚少，道阻且长，还是认真看下这篇文章，好好琢磨琢磨GAN吧。今天将和大家一起学习在GAN界占有重要位置的WGAN，它提出了一种新的距离度量，较之前的f散度，它的数