Testez vos connaissances: anatomie des GAN
Vrai ou faux: Le réseau discriminateur et le réseau générateur s'influencent uniquement par le biais des données produites par le générateur et des étiquettes produites par le discriminateur. En ce qui concerne la rétropropagation, il s'agit de réseaux distincts.
Faux
Correcte: pendant l'entraînement du générateur, les gradients se propagent à travers le réseau de discrimination vers le réseau de générateur (bien que le discriminateur ne mette pas à jour ses poids pendant l'entraînement du générateur). Par conséquent, les poids du réseau discriminateur influencent les mises à jour du réseau générateur.
Vrai
Faux: lors de l'entraînement du générateur, les gradients se propagent à travers le réseau de discrimination vers le réseau de générateur (bien que le discriminateur ne mette pas à jour ses poids pendant l'entraînement du générateur).
Vrai ou faux: un GAN typique entraîne le générateur et le discriminateur simultanément.
Faux
Bonne réponse. Un GAN typique alterne l'entraînement du discriminateur et l'entraînement du générateur.
Vrai
Pas tout à fait. Un GAN typique alterne l'entraînement du discriminateur et l'entraînement du générateur. Des [recherches](https://arxiv.org/abs/1706.04156) ont été menées sur l'entraînement simultané du générateur et du discriminateur.
Vrai ou faux: un GAN utilise toujours la même fonction de perte pour l'entraînement du discriminateur et du générateur.
Faux
Bonne réponse. Bien qu'un GAN puisse utiliser la même perte pour l'entraînement du générateur et du discriminateur (ou la même perte ne différant que par le signe), ce n'est pas obligatoire. En fait, il est plus courant d'utiliser des pertes différentes pour le discriminateur et le générateur.
Vrai
Pas tout à fait. Bien qu'un GAN puisse utiliser la même perte pour l'entraînement du générateur et du discriminateur (ou la même perte ne différant que par le signe), ce n'est pas obligatoire. En fait, il est plus courant d'utiliser des pertes différentes pour le discriminateur et le générateur.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/02/26 (UTC).
[null,null,["Dernière mise à jour le 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."]]],[]]