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.