【发布时间】：2020-05-31 04:37:27
【问题描述】：
据我了解，DCGAN 在 Generator 和 Discriminator 中都使用了卷积层，而 WGAN 调整了损失函数、优化器、裁剪和最后一个 sigmoid 函数。他们控制的部分不重叠。那么，如果我在一个模型中同时实现 DCGAN 和 WGAN 的更改，会不会有冲突？
【问题讨论】：
标签： pytorch generative-adversarial-network
【发布时间】：2020-05-31 04:37:27
【问题描述】：
根据我的经验，DCGAN 提出了一个调整良好且简单的模型（或者更具体地说，我们可以说它提出了一个简单的网络结构和调整良好的优化器）来生成图像。WGAN 提出了一种测量之间距离的新方法数据分布和模型分布，理论上解决了GAN的问题：unstable,mode colpase等。
因此您可以利用 DCGAN 中提出的网络结构和参数以及 WGAN 中提出的鉴别器和生成器的参数更新方式。我以前做过，这不是冲突。
但是在实践中，你在实现 WGAN 时可能不会得到很好的结果。最好是实现 WGAN-GP 有一张WGAN-GP生成的图片
希望我的回答对你有帮助。
【讨论】：