Réseaux antagonistes génératifs de WassersteinPrésente plusieurs avantages :

• Résolvez le problème de la formation instable du GAN, sans avoir à équilibrer soigneusement le degré de formation du générateur et du discriminateur ;
• Résoudre fondamentalement le problème du mode Collapse et garantir la diversité des échantillons générés ;
• Au cours du processus de formation, il existe des valeurs telles que l'entropie croisée et la précision qui indiquent la progression de la formation. Plus la valeur est petite, meilleure est la formation GAN, ce qui indique que la qualité de l'image produite par le générateur est supérieure.
• Aucune architecture réseau élaborée n'est requise, seul le réseau entièrement connecté le plus simple est nécessaire.

Comparé au GAN, le Wasserstein GAN présente les différences suivantes :

• La dernière couche du discriminateur annule Sigmoïde ;
• La perte du générateur et du discriminateur n'est pas logarithmique ;
• Chaque fois que les paramètres du discriminateur sont mis à jour, leurs valeurs absolues sont tronquées pour être inférieures à une constante fixe c.

Mots apparentés : GAN