知识卡片

普通读书笔记卡 · 9452.e · 生成模型:Tencent Hunyuan Hy

判别器的标注检验

理解等级:初级

判别网络的任务是判断一张图片来自现实还是由生成网络产生。训练方法是给它输入两类不同图片并贴上不同数值标签:判为真实图片标注1,判为生成图片标注0,以此提升辨别能力。

训练判别模型的目标是尽量提升判别准确率。判别器像一个严格的批改者,通过大量“真/假”样本的学习,逐渐掌握区分两类数据的能力。

用途与边界:判别器本身不是最终产物,而是生成器训练的“标尺”。当判别器能力已经很强,而生成器产生的数据仍能让它混淆、无法正确判断时,才认为生成器学到了真实数据分布、达到以假乱真的目的。所以判别器越强,对生成器的检验越严格;二者需要交替训练、保持相对平衡。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • AI绘画与生成对抗网络 13.1.3 判别检验 · 查看原书依据

      在训练判别网络的过程中,通过不断给其输入两类不同的图片并为两类图片标注不同的数值以提高它的辨别能力。训练判别模型的目的是要尽量提升判别准确率,当这张图片被判别为来自真实的图片时,标注数值1,若判别这张图片是生成出来的,则标注数值0。

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第13章《AI绘画与生成对抗网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00018.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文说明训练判别网络时给两类图片标注数值1和0以提升辨别能力,并指出当强判别器仍被生成数据混淆时才认定生成成功,这支撑了“判别器是生成器质量标尺”的结论。 - 原始内容:在训练判别网络的过程中,通过不断给其输入两类不同的图片并为两类图片标注不同的数值以提高它的辨别能力。训练判别模型的目的是要尽量提升判别准确率,当这张图片被判别为来自真实的图片时,标注数值1,若判别这张图片是生成出来的,则标注数值0。