ทดสอบความเข้าใจ: กายวิภาคของ GAN

จริงหรือเท็จ: เครือข่ายตัวแยกแยะและเครือข่ายตัวสร้างส่งผลต่อกันและกันผ่านข้อมูลที่ตัวสร้างสร้างขึ้นและป้ายกำกับที่ตัวแยกแยะสร้างขึ้นเท่านั้น สำหรับการย้อนกลับ เครือข่ายเหล่านี้จะแยกกัน

จริง

ไม่ถูกต้อง: ในระหว่างการฝึก Generative Adversarial Network (GAN) จะมีการแพร่กระจายของ Gradient ผ่านเครือข่าย Discriminator ไปยังเครือข่าย Generative (แม้ว่า Discriminator จะไม่อัปเดตน้ำหนักระหว่างการฝึก Generative)

เท็จ

ถูกต้อง: ในระหว่างการฝึก Generative Adversarial Network (GAN) จะมีการแพร่กระจายของ Gradient ผ่านเครือข่าย Discriminator ไปยังเครือข่าย Generative (แม้ว่า Discriminator จะไม่อัปเดตน้ำหนักระหว่างการฝึก Generative) ดังนั้น น้ำหนักในเครือข่ายตัวแยกแยะจึงส่งผลต่อการอัปเดตเครือข่าย Generative

จริงหรือเท็จ: GAN ทั่วไปจะฝึกตัวสร้างและตัวแยกแยะพร้อมกัน

จริง

ผิด GAN ทั่วไปจะสลับกันระหว่างการฝึกตัวแยกแยะกับการฝึกตัวสร้าง มี [การวิจัย](https://arxiv.org/abs/1706.04156) บางอย่างเกี่ยวกับการสอน Generative Adversarial Network (GAN) พร้อมกัน

เท็จ

ถูกต้อง GAN ทั่วไปจะสลับกันระหว่างการฝึกตัวแยกแยะกับการฝึกตัวสร้าง

จริงหรือเท็จ: GAN ใช้ฟังก์ชันการสูญเสียเดียวกันสำหรับทั้งการฝึกตัวแยกแยะและตัวสร้างเสมอ

เท็จ

ถูกต้อง แม้ว่า GAN จะใช้การสูญเสียเดียวกันสำหรับทั้งการฝึก Generative Adversarial Network (GAN) และ Discriminator (หรือใช้การสูญเสียเดียวกันที่มีเพียงเครื่องหมายต่างกัน) ได้ แต่ก็ไม่จำเป็นต้องทำ ในทางปฏิบัติแล้ว การใช้ Loss ที่ต่างกันสําหรับตัวแยกแยะและตัวสร้างนั้นพบได้บ่อยกว่า

จริง

ผิด แม้ว่า GAN จะใช้การสูญเสียเดียวกันสำหรับทั้งการฝึก Generative Adversarial Network (GAN) และ Discriminator (หรือใช้การสูญเสียเดียวกันที่มีเพียงเครื่องหมายต่างกัน) ได้ แต่ก็ไม่จำเป็นต้องทำ ในทางปฏิบัติแล้ว การใช้ Loss ที่ต่างกันสําหรับตัวแยกแยะและตัวสร้างนั้นพบได้บ่อยกว่า