GAN 中的辨別器只是分類器。它會嘗試區分實際資料與產生器建立的資料。並且可使用任何資料分類適用的網路類型。
圖 1:歧視訓練的反向傳播。
歧視器訓練資料
歧視者的訓練資料來自兩個來源:
- 實際資料的執行個體,例如人物的真實相片。您在訓練期間會使用這些執行個體做為正範例。
- 虛構資料產生的執行個體。您在訓練期間會使用這些執行個體做為負值範例。
在圖 1 中,兩個「樣本」方塊代表兩個餵食器正在執行的資料來源。在歧視訓練期間,產生器不會訓練。其權重保持不變,同時會產生進入訓練結果的訓練器範例。
訓練歧視器
離題器會連接兩個 loss 函式。在歧視訓練期間,歧視者會忽略發電機損失,只使用歧視器損失。我們會使用產生器產生器期間的產生器損失,如下一節所述。
在歧視訓練期間:
- 轉接程式會將真實資料和假資料從產生器中分類。
- 處分者會將實際執行個體誤認為假執行個體或虛假執行個體不實,而造成歧視的損失。
- 轉接器透過歧視器網路,透過反向傳播更新其權重。
在下一節中,我們會說明發電機耗電器連線至歧視器的原因。