Я обучен условному GAN. Метрики, которые я отслеживаю в процессе обучения, — это потери D и G (энтропия двоичного перекрестия) и точность (степень сходства между двумя матрицами). Если этот показатель близок к 1, это хорошо, а близко к 0 — плохо.
Точность постоянно растет, что означает, что матрицы созданные сетью, становятся все ближе и ближе к моей цели:
Но потери:
[img]https://i. stack.imgur.com/wkaei.png[/img]
Почему? Что-то не так или это приемлемо?
Мой генератор сгенерировал матрицу, которая на 99,99% близка к целевой матрице, но дискриминатор идеально различает сгенерированную и реальную матрицу?< /p>
Посмотрите на сгенерированный образец, он почти полностью соответствует оригиналу ctr+c ctr+v:
Потери генератора растут и растут, в то время как потери дискриминатора приближаются к нулю, это не означает неудачу сходимости ? Насколько я понимаю, это так и есть, но это также означает, что Генератор генерирует чушь. Но здесь это не так, у меня:
- большие потери генератора
- очень низкие потери дискриминатора
очень хороший образец
Подробнее здесь: https://stackoverflow.com/questions/784 ... ted-result
