Wasserstein GANs 三部曲（二）:Wasserstein GAN論文的理解

附論文地址：https://arxiv.org/abs/1701.07875 這一篇文章和下一篇講提高WGAN的更有實際應用意義一些吧。轉載請註明。 基礎介紹         學習一個概率分佈，通常我們是學習這個分佈的概率密度函數，假設概率密度函數存在，且由多個參數組成即，已知該分佈下點集爲，那麼認爲這些點既然出現了，就是概率最大的（相當於極大似然的思想）。問題就變成了求解使得。假設真實分佈爲，可

>>阅读原文<<