← 返回卡片

原书出处

深度学习详解

08 生成模型 8.7 GAN的性能评估方法

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.559Z

过去常用Inception分数来度量质量和多样性. 如果质量高并且多样性强,Inception分数就会比较高.目前研究人员通常评估另一个分数,称为Fréchet Inception Distance(FID). 具体来讲,就是先把生成器产生的人脸图片输入Inception网络,让Inception网络输出图片的类别.这里需要的不是最终的类别,而是进入softmax函数之前的隐藏层的输出向量,这个向量达到了上千维,代表一张人脸图片. 如图8.28 所示,图中所有的红色点代表在把真实图片丢到Inception网络以后,得到的一个向量. 这个向量的维数其实非常高,甚至达到上千维,我们把它降维后,画在了二维的平面上.蓝色点是GAN产生的图片在被输入Inception网络以后,进入softmax函数之前的向量.接下来,假设真实图片和虚假图片都服从高斯分布,然后计算这两个分布之间的FID. 这两个分布之间的FID越小,代表这两张图片越接近,也就是虚假图片的品质越高.这里还有两个细节之需要注意. 首先,要考虑做出真实图片和虚假图片都服从高斯分布的假设是否合理,其次,如果想要准确地得到网络的分布,则需要产生大量的采样样本,这需要一点运算量.

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc