對 GAN 的 value function 的理解

 

 

---

上式分爲兩個步驟：

• 第一步：調整discriminative model D的權重，使得V中兩項取得最大值
• 第二步：調整generative model G的權重，使得V中第二項取得最小值

首先，分析log D(x)的含義：

• D(x)表示discriminative model D對一個原始樣本的評分，評分越高，表示D越趨向於相信該樣本是一個真實樣本
• D(G(z))表示discriminative model D對一個生成樣本的評分，評分越高，表示D越趨向於把一個生成樣本當成了一個真實樣本

所以，網絡訓練過程總結以下：

• 第一步：訓練D，使得上述兩個指望最大
  • 第一項指望值最大，表示D將一個真實樣本給出一個高的評分
  • 第二項指望值最大，表示D將一個生成樣本給出一個低分
第二步：訓練G，使得指望值的第二項最小
• 第二項指望值最小，即：找到一個G，使其生成的樣本可以在discriminative model D中得到一個較高的評分

---

 

圖：GAN的訓練收斂過程

藍色表示D

綠色表示G

黑色表示原數據

---

 

2019年8月18日

於南湖畔