صواب أم خطأ: تؤثر شبكة المميّز وشبكة المولد في
بعضهما البعض فقط من خلال البيانات التي ينشئها المولد والعلامات
التي ينشئها المميّز. أمّا في ما يتعلّق بالانتشار العكسي، فهما
شبكتَان منفصلتَان.
True
غير صحيح: أثناء تدريب المُنشئ، تنتشر التدرجات من خلال
شبكة المُميِّز إلى شبكة المُنشئ (على الرغم من أنّ المُميِّز
لا يعدّل أوزانه أثناء تدريب المُنشئ).
خطأ
الإجابة الصحيحة: أثناء تدريب المُنشئ، تنتشر التدرجات من خلال
شبكة المُميِّز إلى شبكة المُنشئ (على الرغم من أنّ المُميِّز
لا يعدّل أوزانه أثناء تدريب المُنشئ). وبالتالي، تؤثّر الأوزان في
شبكة التمييز في التعديلات التي يتم إجراؤها على شبكة الإنشاء.
صواب أم خطأ: تدرِّب شبكة GAN النموذجية العنصرَين "المنشئ" و"المميِّز"
في الوقت نفسه.
True
إجابة غير صحيحة تتناوب شبكة GAN النموذجية بين تدريب المميّز
وتدريب المولّد. هناك بعض [الأبحاث
](https://arxiv.org/abs/1706.04156) حول تدريب
المولد والمحرِّف في الوقت نفسه.
خطأ
إجابة صحيحة. تتناوب شبكة GAN النموذجية بين تدريب المميّز
وتدريب المولّد.
صواب أم خطأ: تستخدم شبكة GAN دائمًا دالة الخسارة نفسها لكلٍّ من
تدريب العنصر المميّز وتدريب العنصر المُنشئ.
True
إجابة غير صحيحة على الرغم من أنّه من الممكن أن تستخدم شبكة GAN الخسارة نفسها لتدريب
كلّ من المُنشئ والمحرِّف (أو الخسارة نفسها التي تختلف فقط
في العلامة)، إلا أنّ ذلك ليس مطلوبًا. في الواقع، من الشائع استخدام
خسارات مختلفة للمُميِّز والمُنشئ.
خطأ
إجابة صحيحة. على الرغم من أنّه من الممكن أن تستخدم شبكة GAN الخسارة نفسها لتدريب
كلّ من المُنشئ والمحرِّف (أو الخسارة نفسها التي تختلف فقط
في العلامة)، إلا أنّ ذلك ليس مطلوبًا. في الواقع، من الشائع استخدام
خسارات مختلفة للمُميِّز والمُنشئ.