Verifica di aver compreso: anatomia delle GAN
Vero o falso: la rete del discriminatore e la rete del generatore si influenzano
l'una l'altra esclusivamente tramite i dati prodotti dal generatore e le etichette
prodotte dal discriminatore. Quando si tratta di retropropagazione, sono reti separate.
Falso
Giusto: durante l'addestramento del generatore, i gradienti si propagano dalla rete del discriminatore alla rete del generatore (anche se il discriminatore non aggiorna i suoi pesi durante l'addestramento del generatore). Pertanto, i pesi della rete del discriminatore influiscono sugli aggiornamenti della rete del generatore.
Vero
Errato: durante l'addestramento del generatore, i gradienti si propagano dalla rete del discriminatore alla rete del generatore (anche se il discriminatore non aggiorna i suoi pesi durante l'addestramento del generatore).
Vero o falso: una GAN tipica addestra il generatore e il discriminatore contemporaneamente.
Falso
risposta esatta. Una GAN tipica alterna l'addestramento del discriminatore
all'addestramento del generatore.
Vero
Sbagliato. Una GAN tipica alterna l'addestramento del discriminatore
all'addestramento del generatore. Esistono alcune [ricerche](https://arxiv.org/abs/1706.04156) sull'addestramento simultaneo del generatore e del discriminatore.
Vero o falso: un GAN utilizza sempre la stessa funzione di perdita sia per l'addestramento del discriminatore sia per quello del generatore.
Falso
risposta esatta. Sebbene sia possibile per una GAN utilizzare la stessa perdita per
l'addestramento sia del generatore che del discriminatore (o la stessa perdita con solo
una differenza di segno), non è obbligatorio. In realtà, è più comune utilizzare diverse
perdite per il discriminatore e il generatore.
Vero
Sbagliato. Sebbene sia possibile per una GAN utilizzare la stessa perdita per
l'addestramento sia del generatore che del discriminatore (o la stessa perdita che differisce solo
nel segno), non è obbligatorio. In realtà, è più comune utilizzare diverse
perdite per il discriminatore e il generatore.
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-02-26 UTC.
[null,null,["Ultimo aggiornamento 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."]]],[]]