Topmusicanswers
- ¿Cómo funciona la pérdida de GAN??
- ¿Importan realmente las funciones de pérdida de GAN??
- ¿Qué es el método GAN??
- ¿Por qué GAN es inestable??
¿Cómo funciona la pérdida de GAN??
La GAN que usa la pérdida de Wasserstein implica cambiar la noción de discriminador por una crítica que se actualiza con más frecuencia (p.gramo. cinco veces más a menudo) que el modelo de generador. El crítico puntúa imágenes con un valor real en lugar de predecir una probabilidad.
¿Importan realmente las funciones de pérdida de GAN??
Nuestro análisis muestra que las funciones de pérdida solo tienen éxito si se degeneran a funciones casi lineales. También mostramos que las funciones de pérdida funcionan mal si no están degeneradas y que una amplia gama de funciones pueden usarse como función de pérdida siempre que estén suficientemente degeneradas por la regularización.
¿Qué es el método GAN??
Una red generativa adversarial (GAN) es un modelo de aprendizaje automático (ML) en el que dos redes neuronales compiten entre sí para ser más precisas en sus predicciones. Las GAN normalmente se ejecutan sin supervisión y utilizan un marco de juego cooperativo de suma cero para aprender.
¿Por qué GAN es inestable??
El hecho de que las GAN estén compuestas por dos redes, y cada una de ellas tiene su función de pérdida, resulta en el hecho de que las GAN son inherentemente inestables; profundizando un poco más en el problema, la pérdida del generador (G) puede conducir a la inestabilidad de la GAN. , que puede ser la causa del problema de desaparición del gradiente cuando el ...
