BCE loss 一般是多个标签的二分类吧，这里只有真假一个标签的2分类。选MSE可能也是因为比较平滑好训练吧

其实还可以用负对数似然

谢谢，后来我又找了些文章看了看。有人用3d空间里loss 算出来的平面展示了两种loss 的区别

我也照公式写了下，发现具体同时还得加个exp 防止计算中有非法值产生nan

这个我也去试试

loss 函数能改进 gan 的稳定性

但需要数序功底深厚才能正确分析。

我就直接用lsgan、wgan了，哈哈～～

确实，wgan提出就很牛*

原来这些gan 比原版的gan 好，是因为他们是所谓“最大距离分类器"。交叉熵损失只计算分类，不计算距离

参考系不一样

什么意思?

是说替换js散度吧

GAN虽然都是图像生成，但具体细分有CycleGAN这种图像翻译，Pixel GAN这种超分辨...不同的GAN用的loss不太一样的

我也只是随便讲讲，在GAN面前还是大佬你牛

嗯，感觉gan的一般精髓在loss

嗯嗯  不同的GAN  loss都不太一样，有一个人脸融合的模型就是用的其他loss，复现起来还有点难度

前两天看了一篇博客，专门介绍一个l1、l2自适应loss 函数，感觉思路和ugatit 里的adaLIN 一模一样

期待项目～

想搞，但是有难度。。。

有链接么