Temario Lección 178 de 246 · Módulo 16: Dos redes en un juego (GAN, opcional)
Módulo 16: Dos redes en un juego (GAN, opcional)

Colapso de modos, a propósito

Por qué importa El fallo más común de una GAN parece un éxito: cada muestra es nítida y convincente, pero todas son casi iguales. Se llama colapso de modos (cada mancha es un "modo" de los datos). No puedes arreglar lo que no puedes provocar, así que aquí lo provocas.

Por qué pasa: G solo tiene que engañar al D de hoy. Si una mancha engaña mejor a D, G lo pone todo ahí. D aprende que esa mancha es sospechosa, G salta a otra, y los dos pueden perseguirse alrededor del anillo sin que G llegue nunca a repartirse.

ganlab.train(...) entrena la misma GAN que en la lección anterior con cualquiera de estos ajustes: noise (cuántos números de ruido recibe G, 2 por defecto), d_steps (pasos de D por cada paso de G, 1), g_lr y d_lr (1e-3 cada uno), loss, smooth, instance_noise, spectral. Las ejecuciones grabadas, ganlab.recorded(), muestran algunos ajustes con 8 semillas.

Colapso significa pocas manchas Y puntos nítidos. Un generador que esparce puntos por todas partes también cubre pocas manchas, pero ese es otro fallo: nunca llegó a aprender las manchas.

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
colapso de modos
el generador hace solo unos pocos tipos de muestra, cada uno convincente
manchas cubiertas, calidad
el juez del anillo: las manchas con más del 2% de los puntos, y la proporción de puntos en una mancha
Tu turno

Encuentra ajustes que hagan colapsar la GAN con la semilla 0: como mucho 3 manchas cubiertas, con una calidad de al menos 0.6. Ponlos en settings. Para que cada intento sea corto, esta lección entrena 1000 pasos con una tasa de aprendizaje de 0.002 (ya fijado; el colapso que muestra es el mismo que con 2000 pasos). Cambia solo los ajustes propios de la GAN (noise, d_steps hasta 3, loss, smooth, instance_noise, spectral); la semilla, los pasos y las tasas de aprendizaje se quedan como están. Luego pon en looks_like la letra que describe el colapso.

¿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.