neural-network - GAN 中模式丢弃和模式崩溃之间的区别?
问题描述
最近我读了一篇论文,他们在训练 GAN 时引用了这两个问题。我知道模式崩溃,其中生成器产生有限种类的样本,但是我没有找到关于模式下降的很好解释。
有人有好的答案吗?
论文如下:生成对抗网络评估指标的实证研究
解决方案
当生成器无法从评估器(对抗网络)学习一些细节时,就会发生模式丢弃。
为了“学习”这些细节,校正使生成器的节点权重下降到接近 0 以学习这些细节,而整体生成的图像质量大大降低。
推荐阅读
- google-api - 通过 HTTP 引用者(客户端)或 IP 地址(服务器端)限制 Google API 密钥
- php - 如何将新的选择列表添加到 joomla 2.5 搜索插件内容
- mysql - 试图限制在 mysql 结果中显示的数量
- java - 您可以直接从 3D 数组列表中删除 1D 数组列表吗?
- react-native - 我可以循环 componentWillMount 直到我从 API 获得 user_key 吗?
- java - 使用 UTF-8 和 ASCII 检查文件时使用 Coldfusion FileExists 的问题
- spring - 跨多个 http 部分共享 Spring Security Context
- javascript - 为什么 new RegExp() 字符串不需要转义正斜杠?
- c# - 无法在 WPF 中设置按钮位置
- java - 切换图像的可见性