المنهج الدراسي الدرس 177 من 246 · الوحدة 16: شبكتان في لعبة (GANs، اختياري)
الوحدة 16: شبكتان في لعبة (GANs، اختياري)

اللعبة على ثماني كتل

لماذا هذا مهم الصور تخفي ما يفعله GAN بشكل خاطئ. النقاط في 2D لا تفعل ذلك: يمكنك رؤية الأجزاء التي وجدها generator من البيانات والأجزاء التي فاتته في وقت واحد.

البيانات الحقيقية: 8 كتل متراصة على دائرة. المولد الجيد يضع نقاطا على جميع الكتل الثمانية، بشكل متساوٍ تقريبًا. الحكم، ganlab.coverage(points)، يعطي رقمين: blobs covered (تحتسب الكتلة عندما تحصل على أكثر من 2% من النقاط) و quality (حصة النقاط التي تقع على أي كتلة).

شاهد المشهد: كتل حقيقية، ثم أين تستقر نقاط مولد مدرب، ثم مولد انهار.

خطوة تدريب واحدة تتكون من نصفين:

    دور
  1. D. دفعة من النقاط الحقيقية (ganlab.ring(128, rng)) ودفعة من النقاط المزيفة. اعتبر النقاط المزيفة كأرقام عادية (.data) حتى لا تصل خطوة D إلى G. Loss = BCE(score(real), 1) + BCE(score(fake), 0). خطوة D.
  2. دور
  3. G. ضجيج جديد، generate، score مع D، loss = BCE(score, 1): الـ non-saturating loss. خطوة G. هذه الـ backward pass ملأت أيضاً تدرجات D؛ أعد ضبطها إلى None، وإلا ستتسرب إلى خطوة D التالية.
تستخدم

GANs خوارزمية Adam مع قيمة beta الأولى عند 0.5 (القيمة التي تأخذها Adam هي b1). قام المساق بقياس السبب: مع القيمة الافتراضية 0.9 غطت نفس GAN بين 1 و 7 blobs عبر 5 seeds، ومع 0.5 غطت 7 أو 8.

الكلمات والرموز في هذا الدرس
GAN
شبكة خصومية توليدية: مولد ومميز يتم تدريبهما ضد بعضهما البعض
مولد (G)
الشبكة التي تحول الضجيج إلى عينة
saturating loss
G يقلل log(1 - D(G(z))); ميله يقارب 0 بمجرد أن يصبح D مؤكداً، لذا يتوقف G عن التعلم
خسارة غير مشبعة
G يقلل -log D(G(z))؛ نفس الهدف، دفع كامل حتى عندما يكون D متأكداً
blobs مغطاة، الجودة
حكم الحلقة: الكتل التي تزيد عن 2% من النقاط، وحصة النقاط في كل كتلة
دورك

اكتب جسم حلقة التدريب: 2000 خطوة (حوالي 4 ثواني في المتصفح). اجتز الاختبار بوجود 7 blobs مغطاة على الأقل وجودة لا تقل عن 0.5. اكتب الحلقة بنفسك: ganlab.train غير مسموح به هنا.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.