[AAAI2017]SeqGAN:Sequence Generative Adversarial Nets with Policy Gradient

断断徐徐终于把源码看完啦，果然paper+code才是正确的阅读paper方式呀
预训练生成器：用真实数据训练
预训练判别器：真实数据+生成器生成虚假数据混合后训练
对于Generator来说，预训练和对抗过程中使用的损失函数是不一样的，在预训练过程中，Generator使用的是交叉熵损失函数，而在对抗过程中，我们使用的则是Policy Gradient中的损失函数，即对数损失*奖励值。

而对Discriminator来说，两个过程中的损失函数都是一样的，即我们前面介绍的对数损失函数。
之后就是生成器和判别器的对抗训练过程了：

关于本文解析的非常好的几篇博文：
https://www.jianshu.com/p/de4e913e0580
https://www.colabug.com/2639033.html
https://www.colabug.com/2639033.html
https://blog.csdn.net/Mr_tyting/article/details/80269143
https://www.jianshu.com/p/45d45b8541f0

详解GAN在自然语言处理中的问题：原理、技术及应用：
http://www.360doc.com/content/17/0210/18/32056199_628087216.shtml