Verdadero o falso: Las redes del discriminante y de la red generadora se influencian entre sí únicamente mediante los datos que genera el generador y las etiquetas que genera el discriminante. Cuando se trata de propagación inversa, son redes separadas.
Verdadero
Incorrecto: Durante el entrenamiento del generador, los gradientes se propagan a través de la red del discriminador hacia la red del generador (aunque el discriminante no actualiza sus pesos durante el entrenamiento del generador).
Falso
Correcto: durante el entrenamiento del generador, los gradientes se propagan a través de la red del discriminador hacia la red del generador (aunque el discriminante no actualiza sus pesos durante el entrenamiento del generador). Por lo tanto, las ponderaciones en la red del discriminante influyen en las actualizaciones de la red del generador.
Verdadero o falso: Una GAN típica entrena al generador y al discriminador en simultáneo.
Verdadero
Incorrecto. Un GAN típico alterna entre entrenar al discriminante y entrenar al generador. Hay algunas [investigaciones
https://arxiv.org/abs/1706.04156) sobre la capacitación simultánea del generador y el discriminante.
Falso
Correcto. Un GAN típico alterna entre entrenar al discriminante y entrenar al generador.
¿Verdadero o falso? Una GAN siempre usa la misma función de pérdida para el entrenamiento del discriminador y del generador.
Verdadero
Incorrecto. Si bien es posible que una GAN use la misma pérdida para el entrenamiento del generador y el discriminador (o la misma pérdida que solo difiere en el signo), no es obligatorio. De hecho, es más común usar diferentes pérdidas para el discriminante y el generador.
Falso
Correcto. Si bien es posible que una GAN use la misma pérdida para el entrenamiento del generador y el discriminador (o la misma pérdida que solo difiere en el signo), no es obligatorio. De hecho, es más común usar diferentes pérdidas para el discriminante y el generador.