← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.3.c.2.e.1.a · 生成模型:未记录

领域对抗训练同时保留任务信息

理解等级:中级

无监督领域自适应可利用有标签源数据和无标签目标数据:特征提取器既要帮助标签预测器完成源任务,也要使领域判别器难以区分来源。仅追求领域不可区分可能产生常量特征,因此需要任务损失;对齐边缘分布也不能保证类别对应正确。

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

    • 迁移学习 13.2 领域自适应 · 查看原书依据

      如图13.5所示,我们要训练一个领域分类器.领域分类器是一个二元的分类器,其输入是特征提取器输出的向量,其学习目标是判断这个向量来自源领域还是目标领域,而特征提取器的学习目标是想到办法骗过领域分类器.领域对抗训练非常像生成对抗网络,特征提取器可看成生成器,领域分类器可看成判别器.但在领域对抗训练里面,特征提取器优势太大,想要骗过领域分类器很容易.比如特征提取器可以忽略输入,永远输出一个零向量.如此一来,领域分类器的输入都是零向量.标签预测器也需要特征来判断图片的类别,如果特征提取器只会输出零向量,标签预测器就无法判断输入的是哪一张图片.特征提取器需要产生向量,以使标签预测器能够输出正确的预测.因此,特征提取器不能永远都输出零向量.

    参考来源

    - 位置:《深度学习详解》第13章《迁移学习》13.2 领域自适应(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter13.xhtml`) - 结论依据:原文介绍领域差异、对抗特征训练及目标类别和数据可用性限制。 - 原始内容:如图13.5所示,我们要训练一个领域分类器.领域分类器是一个二元的分类器,其输入是特征提取器输出的向量,其学习目标是判断这个向量来自源领域还是目标领域,而特征提取器的学习目标是想到办法骗过领域分类器.领域对抗训练非常像生成对抗网络,特征提取器可看成生成器,领域分类器可看成判别器.但在领域对抗训练里面,特征提取器优势太大,想要骗过领域分类器很容易.比如特征提取器可以忽略输入,永远输出一个零向量.如此一来,领域分类器的输入都是零向量.标签预测器也需要特征来判断图片的类别,如果特征提取器只会输出零向量,标签预测器就无法判断输入的是哪一张图片.特征提取器需要产生向量,以使标签预测器能够输出正确的预测.因此,特征提取器不能永远都输出零向量.