Vero o falso: la rete del discriminatore e la rete del generatore si influenzano
l'una l'altra esclusivamente tramite i dati prodotti dal generatore e le etichette
prodotte dal discriminatore. Quando si tratta di retropropagazione, sono reti separate.
Vero
Errato: durante l'addestramento del generatore, i gradienti si propagano dalla rete del discriminatore alla rete del generatore (anche se il discriminatore non aggiorna i suoi pesi durante l'addestramento del generatore).
Falso
Giusto: durante l'addestramento del generatore, i gradienti si propagano dalla rete del discriminatore alla rete del generatore (anche se il discriminatore non aggiorna i suoi pesi durante l'addestramento del generatore). Pertanto, i pesi della rete del discriminatore influiscono sugli aggiornamenti della rete del generatore.
Vero o falso: una GAN tipica addestra il generatore e il discriminatore contemporaneamente.
Vero
Sbagliato. Una GAN tipica alterna l'addestramento del discriminatore
all'addestramento del generatore. Esistono alcune [ricerche](https://arxiv.org/abs/1706.04156) sull'addestramento simultaneo del generatore e del discriminatore.
Falso
risposta esatta. Una GAN tipica alterna l'addestramento del discriminatore
all'addestramento del generatore.
Vero o falso: un GAN utilizza sempre la stessa funzione di perdita sia per l'addestramento del discriminatore sia per quello del generatore.
Vero
Sbagliato. Sebbene sia possibile per una GAN utilizzare la stessa perdita per
l'addestramento sia del generatore che del discriminatore (o la stessa perdita che differisce solo
nel segno), non è obbligatorio. In realtà, è più comune utilizzare diverse
perdite per il discriminatore e il generatore.
Falso
risposta esatta. Sebbene sia possibile per una GAN utilizzare la stessa perdita per
l'addestramento sia del generatore che del discriminatore (o la stessa perdita con solo
una differenza di segno), non è obbligatorio. In realtà, è più comune utilizzare diverse
perdite per il discriminatore e il generatore.