时间戳

首页 > 解决方案 > 博弈论在生成对抗网络中的用途在哪里

python - 博弈论在生成对抗网络中的用途在哪里

问题描述

我们知道生成对抗网络的训练是基于博弈论的，并且在训练过程中达到了纳什均衡。但是当使用 tensorflow 查看 GAN 样本时：https ://www.tensorflow.org/tutorials/generation/dcgan ，

我没有在代码中找到应用博弈论和估计纳什均衡的地方。有人可以展示我们在这段代码中使用博弈论的地方吗？

标签： pythontensorflowdeep-learninggenerative-adversarial-network

解决方案

这更像是一个理论/概念上的答案，因为您称之为博弈论的代码中没有明确的部分。

基本上，博弈论的原理是在您有两个网络（生成器和判别器）相互竞争时实现的（对抗部分）。在 GAN 中，当你收敛时达到纳什均衡，即当鉴别器的损失没有以生成器和 vv 为代价而减少时（或更正式地说，当对手的行动不影响玩家的决定时）。

在提供的示例中，您每 15 个 epoch 保存一个模型，以确保您可以在纳什均衡或足够接近它时捕获模型：

    # Save the model every 15 epochs
    if (epoch + 1) % 15 == 0:
      checkpoint.save(file_prefix = checkpoint_prefix)

另一种方法是实现某种提前停止（或者如果您使用 tensorboard 跟踪两个网络的损失以可视化收敛）。

这篇文章似乎对 GAN 的纳什均衡进行了广泛的解释。

推荐阅读