Il discriminatore in una GAN è semplicemente un classificatore. Cerca di distinguere i dati reali dai dati creati dal generatore. Potrebbe utilizzare qualsiasi architettura di rete appropriata per il tipo di dati che sta classificando.
Figura 1: retropropagazione nell'addestramento di discriminatori.
Dati sulla formazione per gli discriminatori
I dati di formazione dei discriminatori provengono da due fonti:
- Istanze di dati reali, come immagini reali di persone. Il discriminatore usa queste istanze come esempi positivi durante l'addestramento.
- Istanze di dati falsi create dal generatore. Il discriminatore usa queste istanze come esempi negativi durante l'addestramento.
Nella Figura 1, le due caselle "Esempio" rappresentano queste due origini dati che alimentano il discriminatore. Durante l'addestramento dei discriminatori, il generatore non viene addestrato. I suoi pesi rimangono costanti mentre produce esempi su cui l'iscriminatore può formarsi.
Allenare la discriminazione
Il discriminatore si connette a due funzioni di perdita. Durante l'addestramento dei discriminatori, il discriminatore ignora la perdita del generatore e utilizza semplicemente la perdita del discriminatore. Utilizziamo la perdita di generatori durante la formazione del generatore, come descritto nella sezione successiva.
Durante l'addestramento per discriminatori:
- Il discriminatore classifica sia i dati reali sia quelli falsi del generatore.
- La perdita del discriminatore penalizza il discriminatore per aver classificato erroneamente un'istanza reale come falsa o un'istanza falsa come reale.
- Il distorsore aggiorna i suoi pesi tramite la propagazione tramite la perdita del discriminatore attraverso la rete del discriminatore.
Nella prossima sezione vedremo perché la perdita del generatore si collega al discriminatore.