Wasserstein GAN：GAN稳定训练的突破

解决了GAN的训练不稳定问题。

In no experiment did we see evidence of mode collapse for the WGAN algorithm.

Earth Mover (EM) distance 更合适进行度量。同时增加了可调式性，debugging；训练LOSS更有意义。

比衡量KL距离好，noise增加GAN的训练稳定性并不正确虽然有效；

第二部分EM KL等距离度量进行了分析。

第三部分 介绍WGAN算法

第四部分 介绍了算法效果和优点

第五部分对其他类型的GAN训练算法进行比较分析

(正文结束)