Wasserstein Generative Adversarial NetworksHat mehrere Vorteile:

• Lösen Sie das Problem des instabilen GAN-Trainings, ohne den Trainingsgrad des Generators und des Diskriminators sorgfältig ausbalancieren zu müssen.
• Lösen Sie grundsätzlich das Collapse-Mode-Problem und stellen Sie die Vielfalt der generierten Samples sicher.
• Während des Trainingsprozesses gibt es Werte wie Kreuzentropie und Genauigkeit, die den Trainingsfortschritt anzeigen. Je kleiner der Wert, desto besser ist das GAN-Training, was darauf hinweist, dass die vom Generator erzeugte Bildqualität höher ist.
• Es ist keine aufwändige Netzwerkarchitektur erforderlich, es wird nur das einfachste vollständig verbundene Netzwerk benötigt.

Im Vergleich zu GAN weist Wasserstein GAN die folgenden Unterschiede auf:

• Die letzte Schicht des Diskriminators hebt Sigmoid auf;
• Der Verlust des Generators und Diskriminators ist nicht logarithmisch;
• Bei jeder Aktualisierung der Diskriminatorparameter werden ihre absoluten Werte so gekürzt, dass sie niedriger sind als eine feste Konstante c.

Verwandte Wörter / Bedeutung: GAN