我试图实现一个Creative Adversarial Networks的Pytorch版本，一个带有修改/自定义丢失功能的GAN。
以下是formulae for the loss function。我使用Pytorch的{{1}}作为鉴别器的修改损失函数，它似乎正在起作用，因为它的损失随着时代而减少，但我不认为{ {1}}适用于生成器，因为nn.CrossEntropyLoss似乎期望nn.CrossEntropyLoss而不是nn.CrossEntropyLoss张量，并且论文的损失函数，特别是生成器的丢失，似乎我喜欢它需要花车。
这是我对发电机定制损失的当前（初步）思考：
Long是类的数量
Float =输出给定输入图像的样式/类的FC层
y_dim循环试图等同于：
（sigma k = 1至k）（（1 / K）log（Dc（ck | G（z））+（1 - （1 / K）log（1 - Dc（ck | G（z）） ）。
disc_class_layer这是在正确的轨道上吗？我是自定义丢失函数和Pytorch的新手，并且不确定这是要走的路。
任何帮助都会很棒！