Giá trị phân biệt trong GAN chỉ đơn giản là một bộ phân loại. Phương thức này cố gắng phân biệt dữ liệu thực với dữ liệu do trình tạo tạo ra. Mô hình này có thể sử dụng bất kỳ cấu trúc mạng nào phù hợp với loại dữ liệu mà nó đang phân loại.
Hình 1: Truyền ngược trong quá trình huấn luyện bộ phân biệt.
Dữ liệu huấn luyện đối tượng phân biệt
Dữ liệu huấn luyện của hàm phân biệt đến từ hai nguồn:
- Các thực thể dữ liệu thực, chẳng hạn như ảnh chân dung người thật. Bộ phân biệt sử dụng các thực thể này làm ví dụ tích cực trong quá trình huấn luyện.
- Các thực thể dữ liệu giả do trình tạo tạo. Bộ phân biệt sử dụng các thực thể này làm ví dụ âm trong quá trình huấn luyện.
Trong Hình 1, hai hộp "Mẫu" đại diện cho hai nguồn dữ liệu này được đưa vào bộ phân biệt. Trong quá trình huấn luyện bộ phân biệt, trình tạo không được huấn luyện. Các trọng số của hàm này không đổi trong khi tạo các ví dụ để hàm phân biệt huấn luyện.
Huấn luyện bộ phân biệt
Bộ phân biệt kết nối với hai hàm mất. Trong quá trình huấn luyện bộ phân biệt, bộ phân biệt sẽ bỏ qua tổn thất của trình tạo và chỉ sử dụng tổn thất của bộ phân biệt. Chúng ta sử dụng tổn hao của trình tạo trong quá trình huấn luyện trình tạo, như mô tả trong phần tiếp theo.
Trong quá trình huấn luyện bộ phân biệt:
- Bộ phân biệt phân loại cả dữ liệu thực và dữ liệu giả từ trình tạo.
- Lỗ hổng phân biệt sẽ phạt đối tượng phân biệt vì phân loại sai một thực thể thực là giả hoặc một thực thể giả là thực.
- Bộ phân biệt cập nhật trọng số thông qua phương pháp truyền ngược từ tổn thất của bộ phân biệt thông qua mạng phân biệt.
Trong phần tiếp theo, chúng ta sẽ xem lý do tổn thất của bộ tạo kết nối với giá trị phân biệt.