Кривые потерь генератора и дискриминатора являются точными зеркальными отображениями.

В настоящее время я обучаю GAN с использованием Pytorch для получения данных гистопатологии для моего исследования. Я использую критерий BCE как для генератора, так и для дискриминатора. Сеть способна создавать изображения хорошего качества, но кривые потерь для меня немного загадочны. Кривые потерь генератора и дискриминатора выглядят как точные зеркальные изображения. См. Прикрепленный фрагмент тензорной платы. Может кто-нибудь сказать мне, почему это происходит?

Редактировать 1: Кривые потерь генератора и дискриминатора должны показывать сходимость, верно?

Заранее большое спасибо! enter image description here

1
0
877
1

Ответы 1

Кривая обучения, которую вы производите, является стандартной при обучении GAN. Генератор и Дискриминатор собираются сойтись. Если вы построите график Gen Loss и Dis Loss вместе, вы обнаружите состязательную собственность. Фактически, в большинстве случаев проверка модели путем просмотра сгенерированного изображения является эффективным способом. Здесь - некоторые из моих работ для вашей справки.

Другие вопросы по теме