@pearl3344
2018-05-03T06:09:50.000000Z
字数 1043
阅读 1026
GAN
improved trainign of wassertein gans_ nips 2017
两个网络(生成器、判别器)做游戏,
判别器D判断区别 图片是生成的图片 还是真实图片,
生成器G由噪声生成图片,试图生成的跟真的图片一样而让判别器区分不出来。
真实数据分布, 生成器生成分布,
判别器D希望真实数据的目标值大, 希望生成器生成的目标值小(批评家)即希望大。
生成器G希望判别器的目标值小。---实践中容易梯度消失
生成器部分 最小化 判别器的目标值,相当于 最小化 真实数据分布和生成数据分布的Jensen-Shannon散度。Jensen-Shannon散度不连续难训练。
限制判别器为1-Lipschitz函数,
将weights 限制在范围,保证满足是k-Lipschitz函数。
满足1-Lipschtiz限制的函数的梯度的norm几乎没点都为1。 故 加梯度惩罚项。实践中,对真实数据分布和生成器分布的连线 分布采样,保证单位梯度norm。