GAN判别器损失越低越好?判别器损失趋近于0是为什么?

GAN判别器损失越低越好?

在GAN网络中,生成器和判别器是相互博弈的关系,生成器一直在学习造假技术,企图以假乱真,而判别器一直在学习鉴别技术,希望能辨别真假。对于判别器,判别器损失越低,意味着它的分类能力越好。对于生成器,它的目标是尽可能地欺骗判别器,所以生成器希望判别器的损失越高越好。我们假设一个理想情况,如果你的生成器生成的内容足够好,好到能以假乱真,这也是你想要的情况,在这个情况下,判别器自然是无法轻易辨别真伪的,因为你生成的内容实在是太好了,判别器既然做不到辨别真伪,那它肯定是一直有损失的。

因此,判别器损失越来越低不一定是好事情,它需要在生成器和判别器之间找到一个平衡点,才能得到最好的生成结果。

判别器损失趋近于0是为什么?

很多同学的GAN网络判别器损失可能会出现趋近于0的情况,这说明判别器太强了,判别器太强的结果就是无法给生成器提供有效的指导,这就需要我们需要适当降低判别器的网络能力,比如说简化判别器网络结构,降低参数量,或者减小判别器的学习率。

你可能感兴趣的:(各种问题,生成对抗网络,深度学习,机器学习)