为什么与 DCGAN 相比，Wasserstein GAN (WGAN) 没有被广泛使用？
Why Wasserstein GAN (WGAN) is not widely used compared to DCGAN?
Wasserstein GAN (https://arxiv.org/abs/1701.07875) 是对 DCGAN 的重大改进，具有更好的训练稳定性和更少的模型崩溃。但是当看到实现时，WGAN 的使用明显少于原始的 DCGAN。
这个事实的原因是什么？
我没有明确的答案，但一种可能性就是易于使用和开源实现。快速搜索显示 WGAN 的 Pytorch 实现和 DCGAN 上的 TensorFlow 教程。 TensorFlow 以前是更受欢迎的选项（据此link），因此人们在进行比较时可能会选择更简单的选项。
此外，请记住一个稳定的实现，您知道您可能已经正确实现了它并且您的竞争技术超越了它，这比学习一个更难击败的 GAN 新框架更可取。
Wasserstein GAN (https://arxiv.org/abs/1701.07875) 是对 DCGAN 的重大改进，具有更好的训练稳定性和更少的模型崩溃。但是当看到实现时，WGAN 的使用明显少于原始的 DCGAN。 这个事实的原因是什么？
我没有明确的答案，但一种可能性就是易于使用和开源实现。快速搜索显示 WGAN 的 Pytorch 实现和 DCGAN 上的 TensorFlow 教程。 TensorFlow 以前是更受欢迎的选项（据此link），因此人们在进行比较时可能会选择更简单的选项。
此外，请记住一个稳定的实现，您知道您可能已经正确实现了它并且您的竞争技术超越了它，这比学习一个更难击败的 GAN 新框架更可取。