一、本周工作
-
关于GAN音频实现，训练集是音乐，通过实验结果发现，效果并不是如期那么理想，合成之后断断续续，且没有音乐的特征，就目前GitHub上关于音频仅有的实验结果，效果不理想。
-
查阅资料时，忽然看到一篇文章，是关于Wasserstein GAN的，据文章中的介绍，WGAN比DCGAN（目前应用和代码使用率最高）的结果更优质，但WGAN和DCGAN到底区分何处，正在理解中。
-
通过查阅资料，进一步证明，DCGAN方式无法显示Pdata 的分布，也就是，没有办法将DCGAN的分布直观的表示出来，此为其一；
在训练过程中，并不是通过得到的概率进行下一次的训练，而是通过计算交叉熵作为下一次训练更新参数的依据，此为其二。
二、下周计划
-
把实用新型出现的个别问题进行仔细校正；
-
将WGAN的来龙去脉摸清楚；
-
试运行WGAN代码；