একটি GAN-এ বৈষম্যকারী কেবল একটি শ্রেণিবিন্যাসকারী। এটি জেনারেটর দ্বারা তৈরি ডেটা থেকে বাস্তব ডেটা আলাদা করার চেষ্টা করে। এটি যে ধরনের ডেটা শ্রেণীবদ্ধ করছে তার জন্য উপযুক্ত যেকোনো নেটওয়ার্ক আর্কিটেকচার ব্যবহার করতে পারে।
চিত্র 1: বৈষম্যমূলক প্রশিক্ষণে ব্যাকপ্রোপগেশন।
বৈষম্যকারী প্রশিক্ষণ ডেটা
বৈষম্যকারীর প্রশিক্ষণের তথ্য দুটি উৎস থেকে আসে:
- বাস্তব তথ্য উদাহরণ, যেমন মানুষের বাস্তব ছবি. বৈষম্যকারী এই উদাহরণগুলিকে প্রশিক্ষণের সময় ইতিবাচক উদাহরণ হিসাবে ব্যবহার করে।
- জেনারেটর দ্বারা তৈরি জাল তথ্য উদাহরণ. বৈষম্যকারী এই উদাহরণগুলিকে প্রশিক্ষণের সময় নেতিবাচক উদাহরণ হিসাবে ব্যবহার করে।
চিত্র 1-এ, দুটি "নমুনা" বাক্স এই দুটি ডেটা উত্সকে প্রতিনিধিত্ব করে যা বৈষম্যকারীর মধ্যে খাওয়ানো হয়। বৈষম্যমূলক প্রশিক্ষণের সময় জেনারেটর প্রশিক্ষণ দেয় না। এর ওজন স্থির থাকে যখন এটি বৈষম্যকারীকে প্রশিক্ষণ দেওয়ার জন্য উদাহরণ তৈরি করে।
বৈষম্যকারীকে প্রশিক্ষণ দেওয়া
বৈষম্যকারী দুটি ক্ষতি ফাংশনের সাথে সংযোগ করে। বৈষম্যকারী প্রশিক্ষণের সময়, বৈষম্যকারী জেনারেটরের ক্ষতি উপেক্ষা করে এবং কেবল বৈষম্যকারী ক্ষতি ব্যবহার করে। আমরা জেনারেটর প্রশিক্ষণের সময় জেনারেটরের ক্ষতি ব্যবহার করি, যেমনটি পরবর্তী বিভাগে বর্ণিত হয়েছে।
বৈষম্যমূলক প্রশিক্ষণের সময়:
- বৈষম্যকারী জেনারেটর থেকে আসল ডেটা এবং জাল ডেটা উভয়ই শ্রেণীবদ্ধ করে।
- বৈষম্যকারীর ক্ষতি বৈষম্যকারীকে একটি বাস্তব দৃষ্টান্তকে জাল বা একটি নকল উদাহরণকে বাস্তব হিসাবে ভুল শ্রেণিবদ্ধ করার জন্য শাস্তি দেয়।
- বৈষম্যকারী তার ওজনকে বৈষম্যকারী নেটওয়ার্কের মাধ্যমে বৈষম্যকারীর ক্ষতি থেকে ব্যাকপ্রোপগেশনের মাধ্যমে আপডেট করে।
পরবর্তী বিভাগে আমরা দেখব কেন জেনারেটরের ক্ষতি বৈষম্যকারীর সাথে সংযোগ করে।