سرفصل‌ها درس 178 از 246 · ماژول 16: دو شبکه در یک بازی (GANها، اختیاری)
ماژول 16: دو شبکه در یک بازی (GANها، اختیاری)

فروپاشی حالت، عمداً

چرا مهم است رایج‌ترین شکست GAN شبیه موفقیت است: هر نمونه واضح و قانع‌کننده است، اما همه تقریباً یکسان‌اند. این فروپاشی حالت نام دارد (هر لکه یک «حالت» داده است). نمی‌توانید چیزی را درست کنید که نمی‌توانید ایجادش کنید، پس اینجا ایجادش می‌کنید.

چرا رخ می‌دهد: G فقط باید D امروز را فریب دهد. اگر یک لکه D را بهتر از همه فریب دهد، G همه چیز را آنجا می‌گذارد. D یاد می‌گیرد آن لکه مشکوک است، G به لکهٔ دیگری می‌پرد و این دو می‌توانند همدیگر را دور حلقه دنبال کنند بی‌آنکه G هرگز پخش شود.

ganlab.train(...) همان GAN درس قبل را با هر یک از این تنظیم‌ها آموزش می‌دهد: noise (G چند عدد نویز می‌گیرد، به‌طور پیش‌فرض 2)، d_steps (گام‌های D برای هر گام G، 1)، g_lr و d_lr (هر کدام 1e-3)، loss، smooth، instance_noise، spectral. اجراهای ثبت‌شده، ganlab.recorded()، بعضی تنظیم‌ها را روی 8 بذر نشان می‌دهند.

فروپاشی یعنی لکه‌های کم و نقطه‌های واضح. مولدی که نقطه‌ها را همه جا پخش می‌کند هم لکه‌های کمی را پوشش می‌دهد، اما آن شکستی متفاوت است: هرگز لکه‌ها را یاد نگرفت.

واژه‌ها و نمادهای این درس
GAN
شبکهٔ مولد تخاصمی: یک مولد و یک تمیزدهنده که در برابر هم آموزش می‌بینند
مولد (G)
شبکه‌ای که نویز را به یک نمونه تبدیل می‌کند
فروپاشی حالت
مولد فقط چند نوع نمونه می‌سازد، هر کدام قانع‌کننده
لکه‌های پوشش‌داده‌شده، کیفیت
داور حلقه: لکه‌هایی با بیش از 2% نقطه‌ها، و سهم نقطه‌هایی که روی یک لکه‌اند
نوبت شما

تنظیم‌هایی پیدا کنید که GAN را روی بذر 0 فروبپاشند: حداکثر 3 لکهٔ پوشش‌داده‌شده، با کیفیت دست‌کم 0.6. آن‌ها را در settings بگذارید. برای کوتاه نگه داشتن هر تلاش، این درس 1000 گام با نرخ یادگیری 0.002 آموزش می‌دهد (برایتان تنظیم شده؛ فروپاشی‌ای که نشان می‌دهد همان فروپاشی در 2000 گام است). فقط تنظیم‌های خود GAN را تغییر دهید (noise، d_steps تا 3، loss، smooth، instance_noise، spectral)؛ بذر، گام‌ها و نرخ‌های یادگیری همان‌طور که داده شده‌اند می‌مانند. سپس looks_like را برابر حرفی قرار دهید که فروپاشی را توصیف می‌کند.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.