原始GAN存在的问题

一、判别器非常强，导致loss都是0，不能引导生成器更新，所以可能生成出来的图像和真实图像差别很大，而loss仍然是0

原因1、我们是近似采样，并不能对原始数据全部采样

loss如下：

      说明从两个分布采样的数据没有重合区域，但是其实两组数据之间有重合，只是判别器太强了，可以找到一条线将两组数据分开，如图所示。

图上的点是两个分布的采样数据，因为我们并不知道分布，只能对分布采样，通过采样后的数据分布近似原始分布

       通过对分布采样，总能找到一条线将两组数据分开，因此我们要削弱判别器的能力，但是我们又想让判别器具有很强的能力，所以很矛盾，不知道削弱多少才合适。

原因2：数据的本质原因

       因为数据本身就是一种高维空间的低维流形表现，他们之间可能重叠很少，因此，很容易导致JS divergence最大，loss为0，如下图所示。