صحيح أو خطأ: تؤثر شبكة التمييز و شبكة المنشئ
في بعضها البعض فقط من خلال البيانات التي ينشئها المُنشئ والتصنيفات التي ينتجها المُحدِّد. عندما يتعلق الأمر بالانتشار الخلفي، فهي
شبكات منفصلة.
صحيح
غير صحيح: أثناء تدريب المنشئ، يتم نقل التدرجات من خلال شبكة التمييز إلى شبكة المنشئ (على الرغم من أن أداة التمييز لا تحدِّث حجمها أثناء تدريب المنشئ).
خطأ
صحيح: خلال تدريب المنشئ، يتم توزيع التدرجات من خلال شبكة التمييز على شبكة المنشئ (على الرغم من أن التمييز لا يعدّل قيمة الوزن أثناء تدريب المنشئ). وبالتالي، فإن الأوزان في شبكة التمييز تؤثر على تحديثات شبكة المنشئ.
صحيح أو خطأ: يدرّج GAN النموذجي المُنشئ والمميّز في الوقت نفسه.
صحيح
إجابتك غير صحيحة. يبدّل نموذج GAN النموذجي بين تدريب المتغيّر
وتدريب المُنشئ. وهناك بعض [البحث
](https://arxiv.org/abs/1706.04156) حول تدريب المنشئ والمميّز في الوقت نفسه.
خطأ
إجابتك صحيحة. يبدّل نموذج GAN النموذجي بين تدريب المتغيّر
وتدريب المُنشئ.
صحيح أو خطأ: تستخدم شبكة GAN دائمًا وظيفة الخسارة نفسها لكلٍّ من
أداة التمييز وتدريب المنشئ.
صحيح
إجابتك غير صحيحة. على الرغم من أنه يمكن أن تستخدم شبكة GAN الخسارة نفسها لكلٍّ من تدريب المنشئ والمميّز (أو التفاوت نفسه في تسجيل الدخول فقط)، إلا أنّ ذلك ليس مطلوبًا. في الواقع، من الأكثر شيوعًا استخدام خسائر مختلفة للمتمييز والمولد.
خطأ
إجابتك صحيحة. على الرغم من أنه يمكن أن تستخدم شبكة GAN الخسارة نفسها لكلٍّ من تدريب المنشئ والمميّز (أو التفاوت نفسه في تسجيل الدخول فقط)، إلا أنّ ذلك ليس مطلوبًا. في الواقع، من الأكثر شيوعًا استخدام خسائر مختلفة للمتمييز والمولد.