Ringkasan Struktur GAN

Jaringan saraf generatif berlawanan (GAN) memiliki dua bagian:

  • Generator mempelajari cara menghasilkan data yang masuk akal. Instance yang dihasilkan menjadi contoh pelatihan negatif untuk diskriminator.
  • Diskriminator belajar membedakan data palsu generator dari data asli. Diskriminator menghukum generator karena menghasilkan hasil yang tidak masuk akal.

Saat pelatihan dimulai, generator menghasilkan data yang jelas-jelas palsu, dan diskriminator dengan cepat belajar untuk mengetahui bahwa data tersebut palsu:

Tiga kolom diberi label 'Generated Data', 'Discriminator', dan
          Real Data'. Di bagian 'Data yang Dihasilkan', persegi panjang biru berisi
          garis bergelombang dan lingkaran. Persegi panjang adalah
          upaya pertama generator yang buruk
          untuk menggambar uang dolar. Di bagian 'Data Nyata', ada gambar uang
          sepuluh dolar yang sebenarnya. Di bagian 'Diskriminator' terdapat kata 'PALSU' dan
          'BENAR'. Panah mengarah dari kata 'FAKE' ke gambar di bagian
          'Generated Data'. Panah lain mengarah dari kata 'REAL' ke
          gambar di bagian 'Real Data'.

Seiring pelatihan berlangsung, generator semakin mendekati output yang dapat mengelabui diskriminator:

Gambar ini menambahkan baris baru di bawah judul 'Generated Data', 'Discriminator', dan 'Real Data' pada gambar sebelumnya. Di bagian 'Generated Data',
          terdapat persegi panjang hijau dengan angka 10 di sudut kiri atas
          dan gambar wajah sederhana. Di bagian 'Data Nyata', ada gambar
          uang 100 dolar yang sebenarnya. Di bagian 'Discriminator' terdapat kata 'FAKE' dengan
          panah yang mengarah ke gambar di bagian 'Generated Data' dan kata
          'REAL' dengan panah yang mengarah ke gambar di bagian 'Real Data'.

Terakhir, jika pelatihan generator berjalan dengan baik, diskriminator akan menjadi lebih buruk dalam membedakan antara yang asli dan palsu. Model ini mulai mengklasifikasikan data palsu sebagai data asli, dan akurasinya menurun.

Gambar ini menambahkan baris baru di bawah judul 'Data yang Dibuat', 'Diskriminator', dan 'Data Nyata' di gambar pertama sebelumnya. Di bagian 'Data
          yang Dibuat', ada gambar uang kertas dua puluh dolar. Di bagian 'Data Real
          ada gambar uang kertas dua puluh dolar. Di bagian 'Discriminator'
          adalah kata 'REAL' dengan
          panah yang mengarah ke gambar di bagian 'Generated Data' dan kata
          'REAL' dengan panah yang mengarah ke gambar di bagian 'Real Data'.

Berikut adalah gambar seluruh sistem:

Diagram jaringan saraf generatif berlawanan. Di tengah diagram
          terdapat kotak berlabel 'pemisah'. Dua cabang masuk ke kotak
          ini dari sebelah kiri.  Cabang atas dimulai di kiri atas diagram dengan silinder berlabel 'gambar dunia nyata'. Panah mengarah
          dari silinder ini ke kotak berlabel 'Sample'. Panah dari kotak
          berlabel 'Sample' masuk ke kotak 'Discriminator'. Cabang bawah
          dimasukkan ke dalam kotak 'Discriminator' yang dimulai dengan kotak berlabel 'Random
          Input'. Panah mengarah dari kotak 'Input Acak' ke kotak berlabel
          'Generator'. Panah mengarah dari kotak 'Generator' ke kotak
          'Sample' kedua. Panah mengarah dari kotak 'Sample' ke kotak 'Discriminator'. Di sisi kanan kotak Diskriminator, panah mengarah ke kotak yang berisi lingkaran hijau dan lingkaran merah. Kata 'Real' muncul dalam teks hijau di atas kotak dan kata 'False'
          muncul dalam warna merah di bawah kotak. Dua panah mengarah dari kotak ini ke dua
          kotak di sisi kanan diagram. Satu panah mengarah ke kotak
          berlabel 'Discriminator loss'. Panah lainnya mengarah ke kotak berlabel
          'Generator loss'.

Generator dan diskriminator adalah jaringan saraf. Output generator terhubung langsung ke input diskriminator. Melalui backpropagation, klasifikasi diskriminator memberikan sinyal yang digunakan generator untuk memperbarui bobotnya.

Mari kita jelaskan bagian-bagian sistem ini secara lebih mendetail.