Memeriksa Pemahaman Anda: Anatomi GAN
Benar atau salah: jaringan diskriminator dan jaringan generator saling memengaruhi
hanya melalui data yang dihasilkan oleh generator dan label
yang dihasilkan oleh diskriminator. Dalam hal backpropagation, keduanya
adalah jaringan terpisah.
Salah
Benar: selama pelatihan generator, gradien menyebar melalui jaringan diskriminator ke jaringan generator (meskipun diskriminator tidak memperbarui bobotnya selama pelatihan generator). Jadi, bobot dalam jaringan diskriminator memengaruhi pembaruan pada jaringan generator.
Benar
Salah: selama pelatihan generator, gradien menyebar melalui
jaringan diskriminator ke jaringan generator (meskipun diskriminator
tidak memperbarui bobotnya selama pelatihan generator).
Benar atau salah: GAN standar melatih generator dan diskriminator
secara bersamaan.
Benar
Salah. GAN standar bergantian antara melatih diskriminator
dan melatih generator. Ada beberapa [riset](https://arxiv.org/abs/1706.04156) tentang cara melatih generator dan diskriminator secara bersamaan.
Salah
Benar. GAN standar bergantian antara melatih diskriminator
dan melatih generator.
Benar atau salah: GAN selalu menggunakan fungsi kerugian yang sama untuk
pelatihan diskriminator dan generator.
Salah
Benar. Meskipun GAN dapat menggunakan kerugian yang sama untuk
pelatihan generator dan diskriminator (atau kerugian yang sama yang hanya
berbeda tanda), hal ini tidak diperlukan. Faktanya, lebih umum untuk menggunakan loss yang berbeda untuk diskriminator dan generator.
Benar
Salah. Meskipun GAN dapat menggunakan kerugian yang sama untuk
pelatihan generator dan diskriminator (atau kerugian yang sama yang hanya
berbeda tanda), hal ini tidak diperlukan. Faktanya, lebih umum untuk menggunakan loss yang berbeda untuk diskriminator dan generator.
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-02-26 UTC.
[null,null,["Terakhir diperbarui pada 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."]]],[]]