我正在尝试将此版本的DCGAN代码(在Tensorflow中实现)与我的一些数据一起使用。我遇到了一个问题,即鉴别器变得过于强大,以至于生成器无法学到任何东西。
现在,通常建议使用GAN解决此问题的一些技巧:
批量规范化(已经在DCGANs代码中提供了)
领先发电机。
我通过使用鉴别器的每1个迭代器允许生成器10次迭代(不仅仅是在开始时,而是在整个训练中)来实现了后者的某种形式,这就是它的样子:
在这种情况下,添加更多的生成器迭代只会减慢不可避免的速度-鉴别器变得过于强大并抑制生成器学习。
因此,我想就是否有另一种方法可以帮助解决歧视性太强的问题征询意见。
总结一下这个主题-通用建议是:
但是,在我的情况下,问题是数据缩放:我已经将输入数据的格式从初始的.jpg更改为.npy,并且在途中丢失了重新缩放。请注意,此DCGAN-tensorflow代码将输入数据重新缩放为[-1,1]范围,并且模型已调整为可在此范围内工作。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句