Comprueba tu comprensión: Anatomía de las GAN
Verdadero o falso: La red del discriminador y la red del generador se influyen entre sí únicamente a través de los datos que produce el generador y las etiquetas que produce el discriminador. En el caso de la retropropagación, son redes separadas.
Falso
Correcto: durante el entrenamiento del generador, los gradientes se propagan a través de la red del discriminador a la red del generador (aunque el discriminador no actualiza sus pesos durante el entrenamiento del generador). Por lo tanto, las ponderaciones en la red discriminadora influyen en las actualizaciones de la red generadora.
Verdadero
Incorrecto: durante el entrenamiento del generador, los gradientes se propagan a través de la red del discriminador a la red del generador (aunque el discriminador no actualiza sus pesos durante el entrenamiento del generador).
Verdadero o falso: Una GAN típica entrena el generador y el discriminador de forma simultánea.
Falso
Correcto. Una GAN típica alterna entre el entrenamiento del discriminador y el entrenamiento del generador.
Verdadero
Incorrecto. Una GAN típica alterna entre el entrenamiento del discriminador y el entrenamiento del generador. Hay cierta [investigación](https://arxiv.org/abs/1706.04156) sobre el entrenamiento del generador y el discriminante de forma simultánea.
Verdadero o falso: Una GAN siempre usa la misma función de pérdida para el entrenamiento del discriminador y del generador.
Verdadero
Incorrecto. Si bien es posible que una GAN use la misma pérdida para el entrenamiento del generador y del discriminador (o la misma pérdida que solo difiere en el signo), no es obligatorio. De hecho, es más común usar pérdidas diferentes para el discriminador y el generador.
Falso
Correcto. Si bien es posible que una GAN use la misma pérdida para el entrenamiento del generador y del discriminador (o la misma pérdida que solo difiere en el signo), no es obligatorio. De hecho, es más común usar pérdidas diferentes para el discriminador y el generador.
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-02-26 (UTC)
[null,null,["Última actualización: 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."]]],[]]