知识卡片
对抗训练的均衡态
GAN的完整框架是:先在潜在空间生成随机噪声信号z,经生成器G映射为生成数据G(z);再把生成图片送入判别器D,由D根据真实数据x与G(z)的分布输出一个表示“真实置信度”的概率值;生成器利用判别器的反馈调整参数,争取更高分数。
双方目标正好相反:判别器希望D(x)尽量大、D(G(z))尽量小,拉开两者差距;生成器希望D(G(z))尽量接近D(x),让判别器无法区分。这是一个相互竞争、相互对抗的优化过程。
graph LR
A[随机噪声 z] --> B[生成器 G]
B --> C[生成数据 G(z)]
D[真实数据 x] --> E[判别器 D]
C --> E
E --> F[概率值 D(x)/D(G(z))]
F -->|反馈调整参数| B
判断训练成功的标志:当真实分布与生成分布完全重合,判别器输出变成0.5、无法区分任何一个点的来源时,达到稳定均衡态。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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 13.1.4 生成对抗的过程 · 查看原书依据
判别器为了能够区分两者,它的目标是使D(x)与D(G(z))尽量往相反的方向跑,增加两者的差异性,比如使D(x)尽量大而同时使D(G(z))尽量小。而G的目标是使自己产生的数据在D上的表现D(G(z))尽量与真实数据的表现D(x)一致,让D不能区分生成数据与真实数据。
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:原文指出判别器目标使D(x)与D(G(z))往相反方向跑,而生成器目标让D(G(z))与D(x)一致,两者相互对抗、性能在迭代中提升;并在图13-9中说明分布重合、判别输出0.5时达到稳定状态。这支撑了“对抗训练趋向均衡”的结论。
- 原始内容:判别器为了能够区分两者,它的目标是使D(x)与D(G(z))尽量往相反的方向跑,增加两者的差异性,比如使D(x)尽量大而同时使D(G(z))尽量小。而G的目标是使自己产生的数据在D上的表现D(G(z))尽量与真实数据的表现D(x)一致,让D不能区分生成数据与真实数据。