- Ako funguje strata GAN?
- Majú funkcie straty GAN skutočne význam?
- Čo je to metóda GAN?
- Prečo je GAN nestabilná?
Ako funguje strata GAN?
GAN využívajúci Wassersteinovu stratu zahŕňa zmenu pojmu diskriminátora na kritika, ktorý sa aktualizuje častejšie (napr.g. päťkrát častejšie) ako model generátora. Kritik namiesto predpovedania pravdepodobnosti hodnotí obrázky so skutočnou hodnotou.
Majú funkcie straty GAN skutočne význam?
Naša analýza ukazuje, že stratové funkcie sú úspešné iba vtedy, ak sú zdegenerované na takmer lineárne. Ukazujeme tiež, že stratové funkcie fungujú zle, ak nie sú zdegenerované, a že ako stratovú funkciu je možné použiť širokú škálu funkcií, pokiaľ sú dostatočne zdegenerované regularizáciou.
Čo je to metóda GAN?
Generatívna kontradiktórna sieť (GAN) je model strojového učenia (ML), v ktorom si dve neurónové siete navzájom konkurujú, aby boli vo svojich predpovediach presnejšie. Sieť GAN obvykle beží bez dozoru a na učenie sa používa kooperatívny herný rámec s nulovým súčtom.
Prečo je GAN nestabilná?
Skutočnosť, že siete GAN sú tvorené dvoma sieťami a každá z nich má svoju stratovú funkciu, má za následok, že siete GAN sú vo svojej podstate nestabilné- ponoria sa trochu hlbšie do problému, strata generátora (G) môže viesť k nestabilite siete GAN , čo môže byť príčinou problému s miznutím gradientu, keď ...