Prueba de paso: rescata una GAN que no aprende nada (IA apagada)
Por qué importa Una GAN que falla rara vez falla por una sola razón. Aquí hay tres ajustes mal a la vez; algunos importan y otros solo importan en compañía. Averiguar cuáles es la habilidad.
Reglas de la prueba de paso: tutor de IA apagado. La GAN rota usa 8 números de ruido, la pérdida saturante y un generador lento (g_lr 2.5e-4). El código inicial muestra sus ejecuciones grabadas. Entrena variaciones con ganlab.train(seed=0, ...) y júzgalas con ganlab.coverage; cada ejecución tarda unos 4 segundos, así que prueba una o dos cada vez.
La comprobación entrena tu arreglo con una semilla nueva y lo aprueba con al menos 7 manchas cubiertas y una calidad de al menos 0.5.
Cuando termines, pregúntate cuáles de los tres ajustes que cambiaste hacían falta de verdad. La revelación después de la comprobación tiene la respuesta medida.
Palabras y símbolos de esta lección
- GAN
- red generativa antagónica: un generador y un discriminador entrenados el uno contra el otro
- generador (G)
- la red que convierte ruido en una muestra
- pérdida saturante
- G minimiza log(1 - D(G(z))); su pendiente es casi 0 en cuanto D está seguro, así que G deja de aprender
- manchas cubiertas, calidad
- el juez del anillo: las manchas con más del 2% de los puntos, y la proporción de puntos en una mancha
Pon en fix un dict de ajustes para ganlab.train (cualquiera de noise, loss, g_lr, d_lr, d_steps, smooth, instance_noise, spectral).
IA desactivada: en este no hay tutor, pistas ni solución. Solo tu propio razonamiento.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.