Sprawdzanie wiedzy: anatomia GAN

Prawda czy fałsz: sieć dyskryminacyjna i sieć generatora wpływają na siebie wyłącznie za pomocą danych generowanych przez generator i etykietek generowanych przez dyskryminator. Jeśli chodzi o wsteczną propagację, są to osobne sieci.

Fałsz

Prawidłowo: podczas trenowania generatora gradienty rozchodzą się przez sieć dyskryminacyjną do sieci generatora (chociaż dyskryminator nie aktualizuje swoich wag podczas trenowania generatora). W związku z tym wagi w sieci dyskryminacyjnej wpływają na aktualizacje w sieci generatora.

Prawda

Nieprawidłowe: podczas treningu generatora gradienty są propagowane przez sieć dyskryminacyjną do sieci generatora (chociaż dyskryminator nie aktualizuje swoich wag podczas treningu generatora).

Prawda czy fałsz: typowy GAN trenuje generator i dyskryminator jednocześnie.

Prawda

Źle. Typowy GAN przełącza się między trenowaniem wyróżnika a generowaniem. Istnieją pewne [badania](https://arxiv.org/abs/1706.04156) dotyczące jednoczesnego trenowania generatora i dyskryminatora.

Fałsz

Dobra odpowiedź. Typowy GAN przełącza się między trenowaniem wyróżnika a generowaniem.

Prawda czy fałsz: GAN zawsze używa tej samej funkcji utraty dla dyskryminatora i generatora.

Prawda

Źle. Chociaż GAN może używać tej samej funkcji utraty dla obu funkcji generatora i dyskryminatora (lub tej samej funkcji utraty różniącej się tylko znakiem), nie jest to wymagane. W fakcie częściej stosuje się różne funkcje utraty informacji w przypadku dyskryminatora i generatora.

Fałsz

Dobra odpowiedź. Chociaż GAN może używać tej samej funkcji utraty dla obu funkcji generatora i dyskryminatora (lub tej samej funkcji utraty różniącej się tylko znakiem), nie jest to wymagane. W fakcie częściej stosuje się różne straty dla dyskryminatora i generatora.