سرفصل‌ها درس 177 از 246 · ماژول 16: دو شبکه در یک بازی (GANها، اختیاری)
ماژول 16: دو شبکه در یک بازی (GANها، اختیاری)

بازی روی هشت لکه

چرا مهم است تصاویر آنچه یک GAN اشتباه انجام می‌دهد را پنهان می‌کنند. نقطه‌ها در دو بعد نه: فوراً می‌بینید مولد کدام بخش‌های داده را پیدا کرد و کدام را از دست داد.

دادهٔ واقعی: 8 لکهٔ فشرده روی یک دایره. یک مولد خوب نقطه‌ها را روی هر 8 لکه، تقریباً به یک اندازه، می‌گذارد. داور، ganlab.coverage(points)، دو عدد می‌دهد: لکه‌های پوشش‌داده‌شده (یک لکه وقتی حساب می‌شود که بیش از 2% نقطه‌ها را بگیرد) و کیفیت (سهم نقطه‌هایی که روی هر لکه‌ای فرود می‌آیند).

صحنه را تماشا کنید: لکه‌های واقعی، سپس جایی که نقطه‌های یک مولد آموزش‌دیده فرود می‌آیند، سپس مولدی که فروپاشید.

یک گام آموزش دو نیمه دارد:

  1. نوبت D. دسته‌ای از نقطه‌های واقعی (ganlab.ring(128, rng)) و دسته‌ای از جعلی‌ها. جعلی‌ها را به‌صورت اعداد ساده (.data) بگیرید تا گام D به G نرسد. زیان = BCE(score(real), 1) + BCE(score(fake), 0). D را یک گام ببرید.
  2. نوبت G. نویز تازه، تولید، امتیاز با D، زیان = BCE(score, 1): زیان غیراشباعی. G را یک گام ببرید. این گذر رو به عقب گرادیان‌های D را هم پر کرد؛ آن‌ها را به None برگردانید، وگرنه به گام بعدی D نشت می‌کنند.

GANها از Adam با بتای اول 0.5 استفاده می‌کنند (Adam دوره b1 را می‌گیرد). دوره چرایی‌اش را سنجید: با پیش‌فرض 0.9 همان GAN در 5 بذر میان 1 تا 7 لکه را پوشش داد، با 0.5 هفت یا هشت تا.

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
زیان اشباع‌شونده
G مقدار log(1 - D(G(z))) را کمینه می‌کند؛ وقتی D مطمئن است شیبش حدود 0 است، پس G دیگر یاد نمی‌گیرد
زیان غیراشباعی
G مقدار -log D(G(z)) را کمینه می‌کند؛ همان هدف، یک هل کامل حتی وقتی D مطمئن است
لکه‌های پوشش‌داده‌شده، کیفیت
داور حلقه: لکه‌هایی با بیش از 2% نقطه‌ها، و سهم نقطه‌هایی که روی یک لکه‌اند
نوبت شما

بدنهٔ حلقهٔ آموزش را بنویسید: 2000 گام (حدود 4 ثانیه در مرورگر). با دست‌کم 7 لکهٔ پوشش‌داده‌شده و کیفیت دست‌کم 0.5 قبول می‌شوید. حلقه را خودتان بنویسید: ganlab.train اینجا ممنوع است.

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.