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
- 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.
Gilirannya - 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
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.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.