鑑別器

GAN 中的鑑別器只是分類器。它會嘗試將實際資料與產生器建立的資料區分開來。它可以使用任何網路架構，以便根據所分類的資料類型進行分類。

圖 1：鑑別器訓練中的反向傳播。

鑑別器訓練資料

判別器的訓練資料來自兩個來源：

• 實際資料示例，例如真實人物的相片。在訓練期間，判別器會將這些例項用作正面示例。
• 產生器建立的假資料例項。鑑別器會在訓練期間使用這些例項做為負面示例。

在圖 1 中，兩個「Sample」方塊代表這兩個資料來源，會饋送至判別器。在鑑別器訓練期間，產生器不會進行訓練。其權重會保持不變，同時產生範例供判別器訓練。

訓練鑑別器

判別器會連結至兩個 loss 函式。在鑑別器訓練期間，鑑別器會忽略產生器損失，只使用鑑別器損失。我們會在產生器訓練期間使用產生器損失，詳情請參閱下一節。

在鑑別器訓練期間：

1. 鑑別器會將產生器產生的真實資料和假資料分類。
2. 辨別器損失會對辨別器處以罰分，因為辨別器將真實例項誤分為假，或將假例項誤分為真。
3. 鑑別器會透過鑑別器網路，從鑑別器損失中反向傳播更新權重。

在下一節中，我們將說明為何產生器損失會連結至判別器。