tensorflow - GAN - 生成器损失减少，但鉴别器假损失在初始下降后增加，为什么？

Question

我正在学习 GAN 并试图在自定义数据集上运行 pix2pix GAN 模型，我每个时期的平均生成器损失和平均鉴别器假和真实损失如下 -

和

我只是无法理解，为什么我的生成器损失减少但鉴别器假图像损失增加？据我了解，它应该像发电机一样下降。有人可以帮我理解我犯的错误或我面临的培训问题吗？

批量大小：16
时期：100
学习率：0.0008
L1 Lambda：100
优化器：Gen - Adam；生成器中使用的Disc-SGD
BatchNORM。

标签： tensorflowdeep-learningpytorchgenerative-adversarial-networkstochastic-gradient

Answer 1

GAN 中的损失很难解释，也不是你想的那样。技术上的答案可能是生成器压倒了鉴别器。图像变得越来越逼真（这是您真正关心的全部），因此生成器的损失正在改善，而鉴别器正在做同样质量的工作，但获得的数据更严格。

使用 FID 或 IS 测量您的 GAN，而不是损失。