注明:直观理解而已,正儿八经的严谨证实看最下面的参考。html
推土机距离的例子:有一堆土的分布是 , 其随机变量是 ,如今要求把这堆土挪动成为分布 ,其随机变量是 (图上是 ),这样作的方法不少,那么作最小功的挪动该是什么?这是一个优化问题对应着的最优解是:git
这里 表示的是边缘分布是 和 的联合分布 集合,即 , .github
, 求解 服从联合分布 时,关于 的指望,全部的解中最小的指望即是推土机距离。web
测度论提供了一些集合的特征,用来描述适用于
空间的大多数点。
零测度:零测度集合在咱们的度量空间中不占有任何的体积。好比二维空间中的一条直线的测度是0。app
高维空间中的不少点是多余的,真实数据蜷缩在低维子空间的流形上(即高维曲面),由于维度低,所占空间体积几乎为0,因此原始的GANs存在的问题是生成器的生成数据普遍分布在高维空间中,侦测不到真实数据,KL距离始终是log2,因此对生成器的梯度始终是0,怎么训练也没用。svg
至关于找到一个函数 求(3)的最大目标函数。这个函数知足 , 1-Lipschitz 函数。函数
:我在简书里补充了一些资料和定义,须要的能够去看看:https://www.jianshu.com/p/b03d5433229e学习
参考:https://www.zhihu.com/question/41752299
:https://vincentherrmann.github.io/blog/wasserstein/
:《深度学习》《hulu百面》优化