更新G时，固定D，令G生成的虚假数据能够欺骗鉴别器D,而GAN整体作用就是，是生成的采样数据和真实分布的采样数据尽可能相似，解码器工作时让鉴别器每一层中间也尽可能相似。将u的限制为[0,1)，使d-u变成一个正实数序列，将ν和d通道连接起来，形成一个更高维的潜在表示，通过一个近似的后验分布。中估计音素持续时间的分布。（KL-Divergence），我们希望最大化EBLO,以使得生成模型的似然性不断

本文基于opengpts本地部署无Docker版的教程，可以为大家提供参考，创作不易，如果觉得有用可以点个关注，有什么问题可以评论