弁別子

GAN の識別子は単なる分類器です。生成ツールによって作成されたデータと実際のデータの区別を試みます。分類するデータの種類に適したネットワーク アーキテクチャを使用できます。

図 1: 識別子トレーニングのバックプロパゲーション。

分類子のトレーニング データ

ディスкриминレータのトレーニング データは、次の 2 つのソースから取得されます。

• 実際のデータ インスタンス（実際の人物の画像など）。ディスкриминator は、トレーニング中にこれらのインスタンスを正例として使用します。
• 生成ツールによって作成された偽のデータ インスタンス。ディスкриминーターは、トレーニング中にこれらのインスタンスを負の例として使用します。

図 1 の 2 つの「サンプル」ボックスは、ディスクリミネータにフィードされる 2 つのデータソースを表しています。弁別子のトレーニング中、ジェネレータはトレーニングされません。ディスкриминエータがトレーニングするサンプルを生成する間、重みは一定に保たれます。

弁別子のトレーニング

ディスкриминator は 2 つの損失関数に接続します。弁別子のトレーニング中、弁別子は生成ツールの損失を無視し、弁別子の損失のみを使用します。ジェネレータの損失は、次のセクションで説明するように、ジェネレータのトレーニング中に使用されます。

ディスкриминエータのトレーニング中:

1. 識別子は、生成器からの実際のデータと偽のデータの両方を分類します。
2. 弁別子損失は、本物のインスタンスを偽物として誤分類した場合や、偽物のインスタンスを本物として誤分類した場合に、弁別子をペナルティにします。
3. 弁別子は、弁別子ネットワークを介して弁別子損失からバックプロパゲーションを介して重みを更新します。

次のセクションでは、生成元の損失が識別子に接続する理由について説明します。