अक्सर आने वाली समस्याएं

जीएएन में कई सामान्य गड़बड़ी मोड हैं. ये सभी आम समस्याएं, सक्रिय खोज के क्षेत्र हैं. हालांकि इनमें से कोई भी समस्या पूरी तरह से हल नहीं हुई है, फिर भी हम कुछ ऐसी चीज़ों के बारे में बात करेंगे जिन्हें लोगों ने आज़माया है.

खत्म हो रहे ग्रेडिएंट

रिसर्च ने सुझाव दिया है कि अगर आपके डिस्ट्रिब्यूटर का डेटा बहुत अच्छा है, तो जनरेटर की ट्रेनिंग, खर्च होने की जानकारी कम होने की वजह से नहीं हो सकती. इस तरह, सबसे सही भेदभाव करने वाला सिस्टम, जनरेटर की ज़रूरत के हिसाब से पूरी जानकारी नहीं देता.

Remedy (उपाय) की कोशिशें

  • वॉशरस्टाइन को नुकसान: वैरस्टीन नुकसान को इस तरह डिज़ाइन किया गया है कि भेदभाव करने वाले लोगों को खत्म होने से बचाया जा सके, भले ही आप भेदभाव करने वाले व्यक्ति को सबसे सही तरीके से ट्रेनिंग दें.
  • कम से कम बदलाव: मूल GAN पब्लिशर ने खनिजों को खत्म होने के लिए, कम से कम नुकसान में बदलाव करने का प्रस्ताव दिया था.

मोड छोटा करें

आम तौर पर, आप चाहते हैं कि आपका GAN कई तरह के आउटपुट दे. उदाहरण के लिए, आपके चेहरे के जनरेटर पर मौजूद हर रैंडम इनपुट के लिए एक अलग चेहरा.

हालांकि, अगर कोई जनरेटर खास तौर पर काम का आउटपुट देता है, तो जनरेटर उस आउटपुट को सिर्फ़ ही सीख सकता है. असल में, जनरेटर हमेशा एक ऐसा आउटपुट ढूंढने की कोशिश करता है जो खरीदार को आसानी से समझ में न आए.

अगर जनरेटर बार-बार एक ही आउटपुट (या आउटपुट का एक छोटा सेट) बनाना शुरू करता है, तो अंतर करने वाले (#)93; की सबसे बढ़िया रणनीति यह है कि आप हमेशा उस आउटपुट को अस्वीकार कर दें. हालांकि, अगर भेदभाव करने वाले लोगों की अगली पीढ़ी स्थानीय लेवल पर अटक जाती है, तो सबसे अच्छी रणनीति नहीं मिलती. इसलिए, मौजूदा भेदभाव के लिए सबसे सही विकल्प खोजने के लिए, अगले जनरेटर से ज़्यादा आसान बनाया गया है.

डिस्ट्रिब्यूटर का हर इलस्ट्रेशन, खास भेदभाव करने वाले के लिए ज़्यादा ऑप्टिमाइज़ होता है और भेदभाव करने वाला, कभी भी घुसने से रोकने का तरीका मैनेज नहीं करता. इस वजह से, जनरेटर एक तरह से आउटपुट टाइप से होकर गुज़रते हैं. GAN के इस प्रकार को मोड संक्षिप्त कहा जाता है.

Remedy (उपाय) की कोशिशें

नीचे दिए गए तरीकों से, जनरेटर को अपने दायरे को ज़्यादा बड़ा करने की कोशिश की जाती है. ऐसा करने के लिए, इसे किसी तय भेदभाव वाले व्यक्ति के लिए ऑप्टिमाइज़ होने से रोका जाता है:

  • वासरस्टाइन का नुकसान: वैरस्टीन हानि मोड को कम करने से मोड को कम करने में मदद करता है. इससे आपके साथ-साथ, भेदभाव करने वाले लोगों को अगर भेदभाव करने वाला स्थानीय मिनिमा में नहीं फंस जाता है, तो वह उन आउटपुट को अस्वीकार करना सीख जाता है जिन पर जनरेटर स्थिर हो जाता है. इसलिए, जेनरेटर को कुछ नया आज़माना होगा.
  • बिना रोल किए गए GAN: बिना रोल आउट किए हुए GAN, जनरेटर से होने वाले नुकसान के फ़ंक्शन का इस्तेमाल करते हैं. इसमें न सिर्फ़ मौजूदा, अलग करने वाले क्लासिफ़िकेशन, बल्कि आने वाले समय में अलग करने वाले वर्शन भी शामिल होते हैं. इसलिए, जनरेटर को एक ही अलग करने वाले के लिए ऑप्टिमाइज़ नहीं किया जा सकता.

बदलाव नहीं किया जा सका

जैसा कि ट्रेनिंग मॉड्यूल में बताया गया है, GAN अक्सर एक-दूसरे से मेल नहीं खाते.

Remedy (उपाय) की कोशिशें

रिसर्च करने वालों ने GAN को बेहतर बनाने के लिए, रेगुलराइज़ेशन के कई तरीकों का इस्तेमाल किया है. इनमें ये शामिल हैं:

पीछे जाएं
अपनी समझ को समझना
आगे बढ़ें
GAN के वैरिएशन