যেহেতু একটি GAN-এ দুটি পৃথকভাবে প্রশিক্ষিত নেটওয়ার্ক রয়েছে, তাই এর প্রশিক্ষণ অ্যালগরিদম দুটি জটিলতার সমাধান করতে হবে:
- GAN-কে অবশ্যই দুটি ভিন্ন ধরণের প্রশিক্ষণ (জেনারেটর এবং বৈষম্যকারী) নিয়ে কাজ করতে হবে।
- GAN কনভারজেন্স সনাক্ত করা কঠিন।
বিকল্প প্রশিক্ষণ
জেনারেটর এবং বৈষম্যকারীর বিভিন্ন প্রশিক্ষণ প্রক্রিয়া রয়েছে। তাহলে কিভাবে আমরা GAN কে সামগ্রিকভাবে প্রশিক্ষণ দেব?
GAN প্রশিক্ষণ পর্যায়ক্রমে এগিয়ে যায়:
- বৈষম্যকারী এক বা একাধিক যুগের জন্য প্রশিক্ষণ দেয়।
- জেনারেটর এক বা একাধিক যুগের জন্য ট্রেন করে।
- জেনারেটর এবং বৈষম্যকারী নেটওয়ার্কগুলিকে প্রশিক্ষণ দেওয়া চালিয়ে যেতে পদক্ষেপ 1 এবং 2 পুনরাবৃত্তি করুন৷
আমরা বৈষম্যমূলক প্রশিক্ষণ পর্বের সময় জেনারেটর ধ্রুবক রাখি। যেহেতু বৈষম্যমূলক প্রশিক্ষণ আসল ডেটাকে জাল থেকে কীভাবে আলাদা করা যায় তা বের করার চেষ্টা করে, এটি জেনেরেটরের ত্রুটিগুলি কীভাবে চিনতে হয় তা শিখতে হবে। এটি একটি সম্পূর্ণ প্রশিক্ষিত জেনারেটরের জন্য একটি ভিন্ন সমস্যা যা একটি অপ্রশিক্ষিত জেনারেটরের জন্য যা এলোমেলো আউটপুট উত্পাদন করে।
একইভাবে, আমরা জেনারেটর প্রশিক্ষণ পর্বের সময় বৈষম্যকারীকে স্থির রাখি। অন্যথায় জেনারেটর একটি চলমান লক্ষ্যে আঘাত করার চেষ্টা করবে এবং কখনও একত্রিত হতে পারে না।
এটি সামনে এবং পিছনে যা GAN-কে অন্যথায় জটিল জেনারেটিভ সমস্যাগুলি মোকাবেলা করতে দেয়। আমরা আরও সহজ শ্রেণিবিন্যাসের সমস্যা দিয়ে শুরু করে কঠিন জেনারেটিভ সমস্যায় একটি হাত পেতে পারি। বিপরীতভাবে, আপনি যদি প্রাথমিক এলোমেলো জেনারেটর আউটপুটের জন্য বাস্তব এবং জেনারেটেড ডেটার মধ্যে পার্থক্য বলার জন্য একটি শ্রেণিবদ্ধকারীকে প্রশিক্ষণ না দিতে পারেন তবে আপনি GAN প্রশিক্ষণ শুরু করতে পারবেন না।
কনভারজেন্স
প্রশিক্ষণের সাথে জেনারেটর উন্নত হওয়ার সাথে সাথে বৈষম্যকারীর কর্মক্ষমতা আরও খারাপ হয় কারণ বৈষম্যকারী সহজে আসল এবং নকলের মধ্যে পার্থক্য বলতে পারে না। যদি জেনারেটর পুরোপুরি সফল হয়, তাহলে বৈষম্যকারীর 50% নির্ভুলতা আছে। বাস্তবে, বৈষম্যকারী তার ভবিষ্যদ্বাণী করতে একটি মুদ্রা উল্টে দেয়।
এই অগ্রগতি সামগ্রিকভাবে GAN-এর একত্রিত হওয়ার জন্য একটি সমস্যা তৈরি করে: বৈষম্যকারী প্রতিক্রিয়া সময়ের সাথে সাথে কম অর্থবহ হয়। যদি বৈষম্যকারী সম্পূর্ণরূপে র্যান্ডম ফিডব্যাক দেওয়ার সময় GAN প্রশিক্ষণ অব্যাহত রাখে, তাহলে জেনারেটর জাঙ্ক ফিডব্যাকের উপর প্রশিক্ষণ দেওয়া শুরু করে এবং এর নিজস্ব গুণমান ভেঙে পড়তে পারে।
একটি GAN-এর জন্য, কনভারজেন্স প্রায়ই স্থিতিশীল অবস্থার পরিবর্তে একটি ক্ষণস্থায়ী হয়।