GAN'daki ayırıcı, basitçe bir sınıflandırıcıdır. Gerçek verileri, oluşturucu tarafından oluşturulan verilerden ayırmaya çalışır. Sınıflandırdığı veri türüne uygun herhangi bir ağ mimarisi kullanabilir.
Şekil 1: Ayırt edici eğitimde geri yayılma.
Ayrıştırıcı Eğitim Verileri
Ayrıştırıcının eğitim verileri iki kaynaktan gelir:
- Gerçek kişilerin gerçek resimleri gibi gerçek veri örnekleri. Ayırt edici, eğitim sırasında bu örnekleri olumlu örnekler olarak kullanır.
- Oluşturucu tarafından oluşturulan sahte veri örnekleri. Ayrıştırıcı, eğitim sırasında bu örnekleri negatif örnekler olarak kullanır.
Şekil 1'de, iki "Örnek" kutusu, ayırıcıya beslenen bu iki veri kaynağını temsil etmektedir. Ayırıcı eğitimi sırasında jeneratör eğitilmez. Ayırt edici için eğitim verilecek örnekler üretirken ağırlıkları sabit kalır.
Ayrıştırıcıyı eğitme
Ayırt edici, iki kayıp işlevine bağlanır. Ayrıştırıcı eğitimi sırasında ayırt edici, üreteci kaybını yoksayıp yalnızca ayırt edici kaybını kullanır. Jeneratör kaybını, sonraki bölümde açıklandığı gibi jeneratör eğitimi sırasında kullanırız.
Ayırıcı eğitimi sırasında:
- Ayırt edici, hem gerçek verileri hem de üreticiden gelen sahte verileri sınıflandırır.
- Ayırt edici kaybı, ayırt ediciyi gerçek bir örneği sahte veya sahte bir örneği gerçek olarak yanlış sınıflandırdığı için cezalandırır.
- Ayrıştırıcı, ağırlıklarını ayırt edici ağdaki ayırt edici kayıptan geri yayılma yoluyla günceller.
Sonraki bölümde, jeneratör kaybının ayırıcıya neden bağlandığını göreceğiz.