网站建设证有,中国建设网查询平台网址,建立一个购物网站,手机app免费制作平台今天小陶在训练CGAN的时候出现了绷不住的情况#xff0c;那就是G_loss#xff08;生成器的loss值#xff09;一路狂飙#xff0c;一直上升到了6才逐渐平稳。而D_loss#xff08;判别器的loss值#xff09;却越来越小#xff0c;具体的情况就看下面的图片吧。其实这在GAN…今天小陶在训练CGAN的时候出现了绷不住的情况那就是G_loss生成器的loss值一路狂飙一直上升到了6才逐渐平稳。而D_loss判别器的loss值却越来越小具体的情况就看下面的图片吧。其实这在GAN训练里是非常容易遇到的问题所以不用慌是有解决的办法的。小陶就通过一些手段进行调控最终获得了比较满意的效果。 在介绍处理方法之前首先絮叨絮叨为什么训练GAN容易出现上面左右这样的情况。当然需要明确的是GAN的效果如何其实是很主观的事情也许和loss表现的趋势没啥太大的关系也许在loss表现不对劲的情况下也能生成效果好的图片。
如果你理解GAN原理的话不理解可以去看文章『GAN入门(一)GAN的基本原理概述新手易懂版』以及『GAN入门(二)GAN的算法公式流程介绍』肯定知道所谓对抗就是生成器和判别器的对抗。生成器在判别器的指导下将一段噪声变成符合我们需求的图片。上面左图就是生成器和判别器能力悬殊生成器生成的照片已经无法来欺骗判别器了。所以G_loss就一直上升具体在图片上的表现是生成了空白图片或者纯噪声图片没啥价值例如下面的图片就是我生成过程中出现的无价值图片。想要改变这个情况那就要调整生成器的能力或者削弱判别器的能力。当然我们更希望通过增强生成器的学习能力来让其与判别器势均力敌。让生成器和判别器势均力敌的方法有很多。 下面就介绍小陶自己实际使用的调整方法具体解决方案训练GAN深度学习的时候出现生成器loss一直上升但判别器loss趋于0 - 陶小桃Blog今天小陶在训练CGAN的时候出现了绷不住的情况那就是G_loss生成器的loss值一路狂飙一直上升到了6才逐渐平稳。而D_loss判别器的loss值却越来越小具体的情况就看下面的图...https://www.52txr.cn/2023/ganlossmodified.html
