Omówienie struktury GAN

Sieć generacyjna (GAN) ma 2 części:

  • Generator uczy się generować wiarygodne dane. Wygenerowane instancje stają się negatywnymi przykładami trenowania dyskryminatora.
  • dyskryminator uczy się odróżniać generatory od prawdziwych danych. Dyskryminator przedstawia karę za generowanie miarodajnych wyników.

Kiedy rozpoczyna się trenowanie, generator generuje oczywiste dane, a dyskryminator szybko uczy się, że jest to fałszywe:

Trzy kolumny są oznaczone etykietą: „Wygenerowane dane” i „#29; dyskryminacja” oraz „Rzeczywiste dane”. Pod 'Wygenerowane dane' niebieski prostokąt zawiera rysunkową koło Prostokąt to „generator” i pierwsza zła próba narysowania rachunku dolarowego. Poniżej 39 sekcji obrazowych rzeczywistych danych rachunku. Pod &&39;Ryzyn&' to słowa 'Fałszywy' Strzałka wskazuje na słowo „PRAWIDŁOWY' do zdjęcia” w sekcji „#Wygenerowane dane”. Kolejna strzałka wskazująca słowo „PRAWIDŁOWY” na obraz w sekcji „Prawdziwe dane”.

W miarę postępów trenowania generator zbliża się do celu, który może oszukać dyskryminację:

Ten obraz dodaje nowy wiersz w sekcjach 'Wygenerowane dane' i #39;Dyskrypcja' oraz W sekcji „Wygenerowane dane” znajduje się zielony prostokąt z liczbą 10 w lewym górnym rogu i prosty rysunek twarzy. Poniżej 39 sekcji znajdziesz dane prawdziwego rachunku o wartości 100 dolarów. Pod &&33;

Jeśli trenowanie generatora będzie udane, dyskryminacja będzie gorsza od różnicy między prawdziwym a fałszywym. Fałszywe dane zaczynają klasyfikować jako prawdziwe, a ich dokładność maleje.

Ten obraz dodaje nowy wiersz w sekcjach 'Wygenerowane dane' i #39;Dyskrypcja' i #39;Prawidłowe dane' na pierwszym obrazie. Pod 'Wygenerowane dane; obraz konta z dolarem 20 USD. Poniżej 39 sekcji „Rzeczywiste dane” widać obraz rachunku na 20 dolarów. W obszarze 'Ryzyn&' słowo to jest w rzeczywistości.

Oto obraz całego systemu:

Schemat sieci generatywnej sieci podrzędnej. Na środku diagramu znajduje się pole „'dyskryminacja&#39”. Plik danych z 2 gałęziami do tego pola po lewej stronie. Górna gałąź rozpoczyna się w lewym górnym rogu diagramu i jest w nim widoczny cylindry z obrazami rzeczywistymi. Strzałka w tym cylindry prowadzi do pudełka z etykietą 'Próbka&#39. Strzałka w polu 'Przykład' pliki danych w polu „Dyskryptor&'”. Dolna gałąź dostarcza dane do pola „Ryzyfikator” i „#39; rozpoczynając od pola oznaczonego 'Losowe wprowadzanie danych”. Strzałka prowadzi z pola „Losowe dane wejściowe” do pola oznaczonego etykietą „Generator” i „#39”. Strzałka prowadzi z pola „Generator” do drugiego „Próbka”; Strzałka prowadzi z pola 'próbka' do pola „Dystrybutor”. Z prawej strony pola dyskryminacja strzałka prowadzi do pola zawierającego zielone kółko i czerwone kółko. Słowo 'Real' wyświetli się zielonym tekstem nad polem, a słowo 'False' pojawi się na czerwono pod polem. Kliknij 2 strzałki prowadzące do tego pola do 2 pól po prawej stronie diagramu. Jedna strzałka prowadzi do pola „Rzucanie dyskryminacji” i „#39;”. Druga strzałka prowadzi do pola o nazwie 'Utrata generatora'.

Generator i dyskryminator to sieci neuronowe. Dane wyjściowe generatora są podłączone bezpośrednio do danych wejściowych dyskryminatora. W ramach propagacji klasyfikacja dyskryminacji określa sygnał, którego generator używa do aktualizowania wag.

Wyjaśnijmy więcej szczegółów tego systemu.

Wstecz
Modele genetyczne
Dalej
Dyskryminator