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.
Prawda
Nieprawidłowe: podczas treningu generatora gradienty są propagowane przez sieć dyskryminacyjną do sieci generatora (chociaż dyskryminator nie aktualizuje swoich wag podczas treningu generatora).
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 czy fałsz: typowy GAN trenuje generator i dyskryminator jednocześnie.
Fałsz
Dobra odpowiedź. Typowy GAN przełącza się między trenowaniem wyróżnika a generowaniem.
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.
Prawda czy fałsz: GAN zawsze używa tej samej funkcji utraty dla 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.
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.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-02-26 UTC.
[null,null,["Ostatnia aktualizacja: 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."]]],[]]