隨堂測驗:GAN 解剖
是非題:辨別器網路和產生器網路只會透過產生器產生的資料,以及辨別器產生的標籤相互影響。在反向傳播方面,它們是獨立的網路。
否
正確:在產生器訓練期間,梯度會透過鑑別器網路傳播至產生器網路 (雖然鑑別器不會在產生器訓練期間更新其權重)。因此,判別器網路中的權重會影響生成器網路的更新作業。
是
錯誤:在產生器訓練期間,梯度會透過鑑別器網路傳播至產生器網路 (雖然鑑別器不會在產生器訓練期間更新其權重)。
是非題:一般 GAN 會同時訓練產生器和鑑別器。
否
沒錯。一般來說,GAN 會交替訓練鑑別器和產生器。
是
答錯了。一般來說,GAN 會交替訓練鑑別器和產生器。我們有幾項 [研究](https://arxiv.org/abs/1706.04156),可同時訓練產生器和鑑別器。
是非題:GAN 在判別器和產生器訓練時,一律會使用相同的損失函式。
是
答錯了。雖然 GAN 可以使用相同的損失值來訓練產生器和判別器 (或相同的損失值,但符號不同),但這並非必要。事實上,針對判別器和產生器使用不同的損失值更為常見。
否
沒錯。雖然 GAN 可以使用相同的損失值來訓練產生器和判別器 (或相同的損失值,但符號不同),但這並非必要。事實上,針對判別器和產生器使用不同的損失值更為常見。
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2025-02-26 (世界標準時間)。
[null,null,["上次更新時間:2025-02-26 (世界標準時間)。"],[[["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."]]],[]]