Vero o falso: la rete del discriminatore e la rete del generatore si influenzano
esclusivamente tramite i dati prodotti dal generatore e le etichette
prodotte dal discriminatore. Quando si tratta di propagazione, si tratta di reti separate.
vero
Errato: durante l'addestramento del generatore, i gradienti si propagano attraverso la rete del discriminatore alla rete del generatore (sebbene il discriminatore non ne aggiorni le ponderazioni durante l'addestramento).
False
Corretto: durante l'addestramento del generatore, i gradienti si propagano
attraverso la rete del discriminatore alla rete del generatore (sebbene il
discriminatore non ne aggiorni le ponderazioni durante l'addestramento). Quindi le ponderazioni
nella rete del discriminatore influenzano gli aggiornamenti alla rete del generatore.
Vero o falso: un GAN tipico addestra il generatore e il discriminatore contemporaneamente.
vero
risposta errata. Un tipico GAN alterna l'addestramento del discriminatore
e l'addestramento del generatore. C'è alcune [ricerche
](https://arxiv.org/abs/1706.04156) sull'addestramento del
generatore e del discriminatore contemporaneamente.
False
risposta esatta. Un tipico GAN alterna l'addestramento del discriminatore
e l'addestramento del generatore.
Vero o falso: un GAN utilizza sempre la stessa funzione di perdita sia per il
discriminatore che per l'addestramento del generatore.
vero
risposta errata. Sebbene sia possibile per un GAN utilizzare la stessa perdita sia per l'addestramento del generatore sia per il discriminatore (o la stessa perdita che differisce solo per il segno), non è obbligatorio. In effetti, è più comune utilizzare perdite diverse per il discriminatore e per il generatore.
False
risposta esatta. Sebbene sia possibile per un GAN utilizzare la stessa perdita sia per l'addestramento del generatore sia per il discriminatore (o la stessa perdita che differisce solo per il segno), non è obbligatorio. In effetti, è più comune utilizzare perdite diverse per il discriminatore e per il generatore.