我正在努力理解如何“客观地”评估GAN（也就是说，不仅仅是看它生成的东西说“这看起来好/坏”）。
我的理解是，鉴频器应该领先一步，理论上，鉴频器损耗和发电机损耗都应该收敛到0. 5--在这一点上，两者都同样“好”。
我目前正在训练一个模型，我得到的鉴别器损失从0.7开始，但很快收敛到0.25，而发生器损失从50开始，并收敛到0.35（进一步训练可能会更少）。
这完全没有道理。怎么可能两者都好于0.5？我的损失函数不正确，还是我遗漏了什么？应该如何衡量绩效？
我正在努力理解如何“客观地”评估GAN（也就是说，不仅仅是看它生成的东西说“这看起来好/坏”）。
我的理解是，鉴频器应该领先一步，理论上，鉴频器损耗和发电机损耗都应该收敛到0. 5--在这一点上，两者都同样“好”。
我目前正在训练一个模型，我得到的鉴别器损失从0.7开始，但很快收敛到0.25，而发生器损失从50开始，并收敛到0.35（进一步训练可能会更少）。
这完全没有道理。怎么可能两者都好于0.5？我的损失函数不正确，还是我遗漏了什么？应该如何衡量绩效？
1条答案
按热度按时间dtcbnfnu1#
在GAN设置中，损失较好是正常的，因为您一次只训练其中一个网络（从而击败其他网络）。
您可以使用 PSNR、SSIM、FID、L2、Lpips、VGG 或类似指标（取决于您的特定任务）来评估生成的输出。这仍然是一个关于如何客观评估图像的研究领域，通常在某些任务中用作损失目标。
我建议查看图像质量指标的分析和评估
我建议你观察一下生成器的指标，看看它是否有所改善，当然也可以通过视觉来确认。你可以使用日志记录来查看指标的变化，或者使用一些可视化工具，tensorboard，或者wandb。