Wasserstein GAN（下面简称WGAN）成功地做到了以下爆炸性的几点： 彻底解决GAN训练不稳定的问题，不再需要小心平衡生成器和判别器的训练程度，基本解决了collapse mode的问题，确保了生成样本的多样性，训练过程中终于有一个像交叉熵、准确率这样的数值来指示训练的进程，这个数值越小代表GAN训练得越好，代表生成器产生的图像质量越高，以上一切好处不需要精心设计的网络架构，最简单的多层全连接网络就可以做到。