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

附论文地址：https://arxiv.org/abs/1701.07875 这一篇文章和下一篇讲提高WGAN的更有实际应用意义一些吧。转载请注明。 基础介绍         学习一个概率分布，通常我们是学习这个分布的概率密度函数，假设概率密度函数存在，且由多个参数组成即，已知该分布下点集为，那么认为这些点既然出现了，就是概率最大的（相当于极大似然的思想）。问题就变成了求解使得。假设真实分布为，可

>>阅读原文<<