только numpy. Такой вопрос, почему готовая модель генерирует только один какой-нибудь сэмпл пиксель в пиксель? При обучении рандомные шумы всегда разные подавались на вход. И да, также пробовал разные топологии. Так что проблема тут не в этом. У кого-нибудь есть предположения?
Следующие подходы пытаются заставить генератор расширить область его действия, не позволяя ему оптимизировать один фиксированный дискриминатор: Потеря Вассерштейна : потеря Вассерштейна облегчает коллапс моды, позволяя вам обучать дискриминатор до оптимальности, не беспокоясь об исчезающих градиентах. Если дискриминатор не застревает в локальных минимумах, он учится отклонять выходы, на которых стабилизируется генератор. Так что генератор должен попробовать что-то новое. Развернутые GAN : Развернутые GAN используют функцию потерь генератора, которая включает не только текущие классификации дискриминатора, но и выходные данные будущих версий дискриминатора. Таким образом, генератор не может переоптимизировать один дискриминатор.
Обсуждают сегодня