知识卡片
GAN损失不能单独证明生成质量
GAN 的损失反映当前生成器与判别器之间的竞争,具体数值取决于目标函数、实现和训练状态;判别器难以区分样本并不单独证明生成分布已匹配真实数据。应结合样本质量、多样性、独立评估及训练动态判断,也要检查是否记忆训练样本。
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
- 生成对抗网络 · 查看原书依据
我们仍然应用反向传播
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第27章《生成对抗网络》27.4(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0035_split_004.html`)
- 结论依据:我们仍然应用反向传播。
- 原始内容:我们仍然应用反向传播,因为我们希望通过鉴别器将梯度信息推送到生成器。然后我们更新生成器,这样可以更好地学习然后去“欺骗”鉴别器。