时间戳

首页 > 解决方案 > 评估 WGAN 中的评论家分数

tensorflow - 评估 WGAN 中的评论家分数

问题描述

在过去的几天里，我一直在尝试训练一个涉及梯度惩罚的 WGAN。我从 ChengBinJin 的 github tensorflow 实现中取出梯度惩罚代码。

使用普通的 DCGAN，您可以随时判断判别器的准确性，因为它正在尝试学习可以放入 sigmoid 函数的 logits。因此，如果我输入真实图像，准确率将接近 100%，非常直接。

然而，对于 WGAN，鉴别器现在是一个批评者，它输出一个分数，据我所知，这并不能真正转化为准确度。现在我进行了 3000 次迭代，真实图像的平均得分为 -59,000。那么如何尝试从这个分数来衡量准确性呢？

标签： tensorflowdeep-learninggenerative-adversarial-network

解决方案

一点也不。Wasserstein Critic 是平均独立的，因为它被写成 f(x) - f(y)。所以函数 g(x) = f(x) + b 具有相同的 Wasserstein 距离。例如 g(x) - g(y) = f(x) + b - f(y) - b = f(x) - f(y)。

所以平均值没有给你任何信息。给你信息的是真实和虚假图像的手段之间的差异，例如 Wasserstein 距离。越小越好。

推荐阅读