Bộ phân biệt trong GAN chỉ đơn giản là một thuật toán phân loại. Công cụ này cố phân biệt dữ liệu thực với dữ liệu do trình tạo tạo ra. Lớp này có thể sử dụng mọi kiến trúc mạng phù hợp với loại dữ liệu mà lớp đó phân loại.
Hình 1: Hoạt động trì hoãn trong quá trình đào tạo phân biệt đối xử.
Dữ liệu huấn luyện phân biệt đối xử
Dữ liệu đào tạo của trình phân biệt này đến từ hai nguồn:
- Bản sao dữ liệu thực, chẳng hạn như ảnh chụp người thực. Phân biệt sử dụng các thực thể này làm ví dụ tích cực trong quá trình đào tạo.
- Các thực thể dữ liệu giả do trình tạo tạo ra. Phân biệt sử dụng các thực thể này làm ví dụ phủ định trong quá trình đào tạo.
Trong Hình 1, hai hộp "Sample" đại diện cho hai nguồn dữ liệu này đưa vào trình phân biệt. Trong quá trình đào tạo phân biệt đối xử, trình tạo sẽ không đào tạo. Trọng số của biến này không thay đổi trong khi tạo ví dụ để phân biệt.
Đào tạo người phân biệt đối xử
Bộ phân biệt này kết nối với hai hàm loss (mất). Trong quá trình huấn luyện bộ phân biệt, trình phân biệt sẽ bỏ qua tổn thất của trình tạo và chỉ sử dụng mức mất bộ phân biệt. Chúng tôi sử dụng tổn hao trình tạo trong quá trình đào tạo trình tạo, như được mô tả trong phần tiếp theo.
Trong quá trình đào tạo phân biệt đối xử:
- Bộ phân biệt này phân loại cả dữ liệu thực và dữ liệu giả mạo từ trình tạo.
- Trình phân biệt đối xử mất mát sẽ phạt bộ phân biệt đó vì đã phân loại sai một thực thể thực tế là thực thể giả mạo hoặc thực thể giả mạo là thực tế.
- Trình phân biệt cập nhật trọng số của mình thông qua tính năng chống theo dõi ngược từ việc mất bộ phân biệt thông qua mạng phân biệt.
Trong phần tiếp theo, chúng ta sẽ xem lý do tổn thất trình tạo kết nối với bộ phân biệt.