Silabus Pelajaran 177 dari 246 · Modul 16: Dua jaringan dalam sebuah game (GANs, opsional)
Modul 16: Dua jaringan dalam sebuah game (GANs, opsional)

Game di delapan blob

Kenapa ini penting Gambar menyembunyikan kesalahan GAN. Titik dalam 2D tidak: kamu bisa melihat sekaligus bagian data mana yang ditemukan generator dan mana yang terlewat.

Data aslinya: 8 gumpalan rapat di sebuah lingkaran. Generator yang bagus menaruh titik di semua 8 gumpalan, kira-kira sama rata. Juri, ganlab.coverage(points), memberikan dua angka: blobs covered (gumpalan dihitung kalau dapat lebih dari 2% titik) dan quality (bagian dari titik yang mendarat di gumpalan mana pun).

Tonton adegannya: blob asli, lalu di mana titik generator yang terlatih mendarat, lalu generator yang kolaps.

Satu langkah pelatihan punya dua bagian:

    Giliran
  1. D. Sekumpulan poin asli (ganlab.ring(128, rng)) dan sekumpulan palsu. Anggap yang palsu sebagai angka biasa (.data) supaya langkah D tidak masuk ke G. Loss = BCE(score(real), 1) + BCE(score(fake), 0). Langkah D.
  2. Gilirannya
  3. G. Noise baru, generate, score dengan D, loss = BCE(score, 1): loss non-saturating. Step G. Backward pass ini juga mengisi gradient D; set kembali ke None, atau mereka bocor ke step D berikutnya.

GANs menggunakan Adam dengan beta pertama di 0.5 (Adam standar mengambil b1). Kursus ini mengukur alasannya: dengan default 0.9 GAN yang sama mencakup antara 1 dan 7 blob selama 5 seed, dengan 0.5 ia mencakup 7 atau 8.

Kata dan simbol di pelajaran ini
GAN
generative adversarial network: sebuah generator dan discriminator yang dilatih saling berlawanan
generator (G)
jaringan yang mengubah noise menjadi sampel
saturating loss
G meminimalkan log(1 - D(G(z))); kemiringannya sekitar 0 setelah D pasti, jadi G berhenti belajar
loss non-saturasi
G meminimalkan -log D(G(z)); tujuan yang sama, dorongan penuh bahkan saat D sudah yakin
blobs tercakup, kualitas
hakim cincin: blobs dengan lebih dari 2% poin, dan bagian poin pada sebuah blob
Giliranku

Tulis isi loop pelatihan: 2000 langkah (sekitar 4 detik di browser). Lulus dengan setidaknya 7 blobs tercover dan kualitas minimal 0.5. Tulis loopnya sendiri: ganlab.train dilarang di sini.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.