判断正误：判别器网络和生成器网络仅通过生成器生成的数据与判别器生成的标签相互影响。在反向传播算法中，它们是单独的网络。
正确
错误：在生成器训练期间，梯度通过判别器网络传播至生成器网络（但判别器不会在训练器期间更新其权重）。
错误
正确：在生成器训练期间，梯度通过判别器网络传播至生成器网络（但判别器不会在生成器训练期间更新其权重）。因此，判别器网络中的权重会影响对生成器网络的更新。
判断正误：典型的 GAN 会同时训练生成器和判别器。
正确
错误。典型的 GAN 在训练判别器和训练生成器之间切换。有一些关于同时训练生成器和判别器的 [研究](https://arxiv.org/ab/1706.04156)。
错误
正确。典型的 GAN 在训练判别器和训练生成器之间切换。
判断正误：GAN 始终对判别器和生成器训练使用相同的损失函数。
正确
错误。虽然 GAN 可能对生成器和判别器训练使用相同的损失（或仅基于符号的相同损失不同），但这并非强制性要求。事实上，对判别器和生成器使用不同的损失更为常见。
错误
正确。虽然 GAN 可能对生成器和判别器训练使用相同的损失（或仅基于符号的相同损失不同），但这并非强制性要求。事实上，对判别器和生成器使用不同的损失更为常见。