我們在搭建模型的時候，受到一些收斂條件的限制，像wgan_loss需要講權重設定在[-0.01, 0.01]，這個操作在TF中是這樣完成中。

首先， 需要獲得你搭建net的左右變數：

D_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 'Discriminator_dcgan')

    其中，'Discriminator_dcgan' 是net的名字，其下一層包含很多變數的名字。

然後，遍歷每一個變數，將其限定在一定的範圍：即小於-1的值設定在-1，大於1的值設定在1。

最後，在每個batch更新完引數後，需要run一下： _ = sess.run(clip_disc_weights)

程式碼如下：

    D_vars = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, 'Discriminator_dcgan')
    clip_ops = []
    for var in D_vars:
        clip_bounds = [-.01, .01]
        clip_ops.append(
            tf.assign(
                var, 
                tf.clip_by_value(var, clip_bounds[0], clip_bounds[1])
            )
        )
    clip_disc_weights = tf.group(*clip_ops)
    ......
    _ = session.run(clip_disc_weights)
 

總結，wgan_loss不加入權重限制不會收斂，同時wgan時候經過嚴格的理論推導，當理論不充分時，在使用的時候需要多實驗室，實驗出好的結果，可以再找理論支撐嘛，哈哈丷