这个问题纯粹是基于甘斯的理论方面。
那么,在训练一个GAN的时候,判别器的损失应该是什么样子的呢?
有人能帮我理解一下这一点吗?
发布于 2020-10-23 10:16:28
判别器由两个丢失部分组成(第一:检测真实图像;第二,检测假图像为假)。“'Full判别器损失”是这两部分的总和。
发电机和鉴别器的损耗应尽可能小。但是有一个问题:鉴别器损耗越小,发电机损耗就越大,反之亦然。
甄别者损失:理想情况下,完全鉴别者的损失应该在0.5左右,这意味着鉴别者猜测图像是真实的还是假的(例如,硬币投掷一样:你试图猜测它是尾巴还是头)。
发电机损耗:最终,它应该在下一个时代减少(重要的是:我们应该选择最优的时间数,以避免超过我们的神经网络)。
我可以推荐这个文章来更好地理解它。
https://datascience.stackexchange.com/questions/82854
复制相似问题