记录一个失败的GAN 实验以及后续计划
1834 단어 NeuralNetworkNLPMachineLearning
为了实现这个目标、我给discriminator的输入做了些手脚.
vanilla 모형리, D적输入是单纯的图片向量,输出是图片为真的 가능성, 很简单.但是为了能强迫generator能够根据label生成图片、我给辨别器开了作폐、输入变成了(图片向量+对应label的embedding)、用torch.cat做一个简单.
这样一来如果発生器不根据label embedding 생성对应图片向量,就会很辻松地被辨别器识破.
其实这样的结构——concat了一个辅助向量——给我一种感觉就是很像可控VAE、更深入的分析我现在还没有时间做、总之先将结果:
这是epoch 200적结果:
我让电脑挂了一晚上、然后回去睡觉、心想明天就能坐享其成结果각是这副模样.总之分析 하하 출진적 원인 吧, 先上结构图.
我之前设想的分工如下:
Generator: 제고discrimination loss
Discriminator: 하강(discrimination loss + classification loss)
问题点1: 여분 classifier
现在想想我实在不明白定义一个classification loss的意義何在.也许当时的我想让discriminator同时学习鉴别真假和辨别标签、所以定义了两个输出层、然而仔细想想、鉴别劇像.总而言之我会把classfier去掉再训练一次.
问题点2: 错误的noise添加 방식
然后我また对照了一遍网络上的实现 GAN from scratch而之前我的实现是, 让label embedding作为第一层输入, 然后在中间层加上一个随机变量.
问题点3:loss定义方式
这是我不大愿意想的、总之我会把它作为一个备考.
지금 천취 续续 修复实验吧.
Reference
이 문제에 관하여(记录一个失败的GAN 实验以及后续计划), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/kobako/items/1143c10e635c4ebf5477텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)