Wasserstein GAN (WGAN-GP) 的梯度惩罚
这是 Wasserstein GAN 改进训练的实现。
WGAN 建议削减权重以对鉴别器网络强制执行 Lipschitz 限制（评论家）。这个和其他权重约束，如L2标准削减、权重标准化、L1、L2权重衰减都有问题：
1.限制鉴别器的容量 2.分解和消失渐变（不带批量归一化）。
论文《改进了 Wasserstein GaN 的训练》提出了改进 Lipschitz 约束的更好方法，即梯度惩罚。
这是 Wasserstein GAN 改进训练的实现。
WGAN 建议削减权重以对鉴别器网络强制执行 Lipschitz 限制（评论家）。这个和其他权重约束，如L2标准削减、权重标准化、L1、L2权重衰减都有问题：
1.限制鉴别器的容量 2.分解和消失渐变（不带批量归一化）。
论文《改进了 Wasserstein GaN 的训练》提出了改进 Lipschitz 约束的更好方法，即梯度惩罚。