我的 GAN 是这样的：
- 训练自动编码器 (VAE)，获取解码器部分并用作生成器
- 训练鉴别器
训练后，按以下步骤进行生成：
- 调用生成器生成图像
- 调用Discriminator对图像进行分类，看是否可以接受
问题是鉴别器经常说“假”，这意味着生成的图像没有用。
当鉴别器不接受其生成的图像时，生成器应该如何改变（更新权重）？
GAN：当鉴别器连续说假时，生成器是否应该更新权重
人工智能
机器学习
生成对抗网络
生成模型
发电机
鉴别器
2021-11-18 11:16:51
1个回答
一般来说，你应该同时训练判别器 D 和生成器 G。
根据您用作模型目标的指标，您可能会遇到梯度消失问题。当您实现原始损失（即 JS-divergence）时，可能会发生这种情况。在这种情况下，D 可能对假样本过于自信，并且不会向 G 提供任何有用的反馈。要确定训练是否属于这个问题，您应该绘制 D 和 G 损失。它将如下所示：
原来的 GAN 有很多问题，所以我建议你使用 Wasserstein 度量。您可以在WGAN 论文中找到更多信息
在这里您可以找到有关 GAN 问题的更多信息：
其它你可能感兴趣的问题