various_GANs_analysis:分析各种GAN算法

各种GAN分析 :warning: 至于培训任何GAN，请注意以下几点以稳定培训！ :warning: 检查两个模型都没有“赢”。 如果generator-gan损失或discriminator-损失中的任何一个变得非常低，则表明一个模型正在主导另一个模型，并且您没有成功地训练组合模型。 log（2）= 0.69是这些损失的一个很好的参考点，因为它表示困惑2：鉴别器平均对两个选项均具有相同的不确定性。 对于鉴别符损失，低于0.69的值表示鉴别符比真实+生成图像的组合集要好于随机符。 对于生成器gan-loss，低于0.69的值表示生成器在描述描述符时表现要好于随机生成。 每个模型使用的数据集 对于DCGAN，WGAN，WGAN-GP 获取并设置数据集 $ cd dataset/dogs_data $ wget http://vision.stanford.edu/aditya86/ImageNetDog