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?
问题描述
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。
解决方案
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。
推荐阅读
- java - 运行模拟的 Java 更新 GUI
- android-studio - Android Studio 错误的 dart 自动缩进
- python - 为什么函数不返回值而是打印相同的值?
- jenkins - 如何获取通过 API 执行詹金斯管道作业的从属名称
- c++ - c++ - Nukear GUI 无法制作多行标签
- php - 为什么我收到“您的 SQL 语法有错误”错误?
- database - 在 talend 中映射 .txt
- c++ - 对象的实例可以在 C++ 中返回它自己的值吗?
- sox - SoX 中的noiseprof 是否获得声音的平均测量值?
- spring-integration - 如何在应用程序上下文 xml 中添加错误通道以收集和分散?