文章目录 Wasserstein GAN(WGAN)Improved WGAN(WGAN GP)Energy-based GAN(EBGAN)Loss-sensitive GAN(LSGAN) 在大多数情况下， P G {P_G} PG​和 P d a t a {P_{data}} Pdata​训练到最后是不会重叠的。因为有两点。 1.data本质： P G

在李宏毅GAN教程（3） 的基础上增添修改内容 文章目录 JS散度不是很适合LSGANEBGANLSGAN（Loss-sensitive GAN）仍然存在的问题GAN for Sequence Generation 为了让GAN容易训练 JS散度不是很适合 最原始的GAN量的是Pg和Pdata之间的JS散度；但是有一个严重的问题：可能两个分布没有任何的重叠，一方面的原因是