为什么鉴别器的准确度下降到0%，并且围绕着这个问题有一个修正吗？

Question

我正在pokemon数据集https://www.kaggle.com/kvpratama/pokemon-images-dataset上训练一个Vanilla- GAN (或原始的GAN 2016)，对于很少的历次，判别器比实际例子有100%的准确率，但是当历元通过时，它会下降到0%左右，大约4-5次。

然而，一个有趣的效果是，当我把批次从32件增加到64件时，这种效果似乎有延迟效应。也就是说，它大约在400-500个世纪。

请帮帮忙。

Answer 1

不久前我想出了我的答案。所以现在开始..。

1. 确保您的培训数据已规范化。这就是导致鉴别器准确度下降的原因。
2. 你需要减少你的辍学，因为它会造成严重的偏见，如果做得不有效。
3. 删除您的鉴别器中任何不必要的层，因为它们可能会导致过度匹配。
4. 使用批处理规范化。
5. 在你的发电机里引入辍学。

Answer 2

甄别器一次被训练两次，用真实的图像和发生器的假输出。因此，err_{real}+err_{fake}被反向传播。生成器通过欺骗鉴别器来训练，从而将其归类为真实的。

然而，需要注意的是，他们并不是一次就所有数据接受培训，而是按批量进行培训。这意味着，从直觉上说，batch_size越大，判别器越好(特别是在开始时)，因为它同时被训练成更真实的图像。因此，生成器需要更多的时间来欺骗鉴别器，从而减缓了本已困难的收敛速度。