Wissenstest: GAN-Anatomie
Richtig oder falsch: Das Diskriminatornetzwerk und das Generatornetzwerk beeinflussen sich ausschließlich über die vom Generator erzeugten Daten und die vom Diskriminator erzeugten Labels. Bei der Backpropagation sind sie jedoch separate Netzwerke.
Falsch
Richtig: Während des Generatortrainings werden Gradienten durch das Diskriminatornetzwerk an das Generatornetzwerk weitergegeben, auch wenn der Diskriminator seine Gewichte während des Generatortrainings nicht aktualisiert. Die Gewichte im Discriminator-Netzwerk beeinflussen also die Aktualisierungen des Generator-Netzwerks.
Richtig
Falsch: Während des Generatortrainings werden Gradienten durch das Diskriminatornetzwerk an das Generatornetzwerk weitergegeben, auch wenn der Diskriminator seine Gewichte während des Generatortrainings nicht aktualisiert.
Richtig oder falsch: Bei einem typischen GAN werden der Generator und der Diskriminator gleichzeitig trainiert.
Falsch
Korrekt. Bei einem typischen GAN wird abwechselnd der Diskriminator und der Generator trainiert.
Richtig
Falsch. Bei einem typischen GAN wird abwechselnd der Diskriminator und der Generator trainiert. Es gibt einige [Forschungsarbeiten](https://arxiv.org/abs/1706.04156) zum gleichzeitigen Trainieren des Generators und des Diskriminators.
Richtig oder falsch: Bei einem GAN wird immer dieselbe Verlustfunktion sowohl für das Training des Diskriminators als auch für das Training des Generators verwendet.
Falsch
Korrekt. Es ist zwar möglich, für einen GAN dieselbe Verlustfunktion für das Training des Generators und des Discriminators zu verwenden (oder dieselbe Verlustfunktion, die sich nur im Vorzeichen unterscheidet), dies ist jedoch nicht erforderlich. Tatsächlich ist es üblicher, unterschiedliche Verlustfunktionen für den Discriminator und den Generator zu verwenden.
Richtig
Falsch. Es ist zwar möglich, für einen GAN dieselbe Verlustfunktion für das Training des Generators und des Discriminators zu verwenden (oder dieselbe Verlustfunktion, die sich nur im Vorzeichen unterscheidet), dies ist jedoch nicht erforderlich. Tatsächlich ist es üblicher, unterschiedliche Verlustfunktionen für den Discriminator und den Generator zu verwenden.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-02-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-02-26 (UTC)."],[[["During generator training, gradients propagate through the discriminator to the generator, influencing its updates."],["A typical GAN alternates between training the discriminator and training the generator, rather than simultaneous training."],["GANs often employ different loss functions for the discriminator and generator, optimizing each network separately."]]],[]]