Wasserstein Generative Adversarial Nets (WGAN ) and CGAN

GAN目前是機器學習中非常受歡迎的研究方向。主要包括有兩種類型的研究,一種是將GAN用於有趣的問題,另一種是試圖增加GAN的模型穩定性。 事實上,穩定性在GAN訓練中是非常重要的。起初的GAN模型在訓練中存在一些問題,e.g., 模式塌陷(生成器演化成非常窄的分佈,只覆蓋數據分佈中的單一模式)。模式塌陷的含義是發生器只能產生非常相似的樣本(例如MNIST中的單個數字),即所產生的樣本不是多樣的。這
相關文章
相關標籤/搜索