Colapso de modo, de propósito
Por que isso importa A falha de GAN mais comum parece um sucesso: cada amostra é nítida e convincente, mas todas são quase iguais. É chamado de mode collapse (cada bloco é um "modo" dos dados). Você não pode consertar o que não pode fazer acontecer, então aqui você faz acontecer.
Por que isso importa: G só precisa enganar o D de hoje. Se um blob engana o D melhor, G coloca tudo lá. D aprende que aquele blob é suspeito, G pula para outro, e os dois podem perseguir um ao outro ao redor do ringue sem que G precise se espalhar.
ganlab.train(...) treina a mesma GAN da última lição com qualquer uma dessas configurações: noise (quantos números de ruído G recebe, 2 por padrão), d_steps (passos de D por passo de G, 1), g_lr e d_lr (1e-3 cada), loss, smooth, instance_noise, spectral. As execuções registradas, ganlab.recorded(), mostram algumas configurações sobre 8 sementes.
Collapse significa poucos blobs E pontos nítidos. Um gerador que espalha pontos por toda parte também cobre poucos blobs, mas isso é uma falha diferente: ele nunca aprendeu os blobs de jeito nenhum.
Palavras e símbolos nesta lição
- GAN
- redees adversarial generativa: um generator e um discriminator treinados um contra o outro
- gerador (G)
- a rede que transforma ruído em uma amostra
- modo de colapso
- o gerador faz apenas alguns tipos de amostra, cada uma convincente
- blobs cobertos, qualidade
- o juiz do anel: blobs com mais de 2% dos pontos, e a parte de pontos em um blob
Encontre configurações que façam a GAN colapsar com a seed 0: no máximo 3 manchas cobertas, com qualidade de pelo menos 0.6. Coloque-as em settings. Para cada tentativa ser curta, esta lição treina por 1000 passos com taxa de aprendizado 0.002 (já definida para você; o colapso que aparece é o mesmo que em 2000 passos). Mude apenas as configurações da própria GAN (noise, d_steps até 3, loss, smooth, instance_noise, spectral); a seed, os passos e as taxas de aprendizado ficam como estão. Depois defina looks_like com a letra que descreve o colapso.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.