GAN損失函數理解

原始損失函數



首先假設D對樣本進行判別,1/0代表真/假。D的輸出數值越高,代表D越認爲該樣本爲正樣本。
GAN的訓練爲先D後G。
G固定,訓練D時的損失函數爲



訓練D時候,希望D能夠儘可能識別出假樣本,即D(G(z))儘可能接近0。
前一項數據x來自真實樣本,所以希望D能將其識別爲真樣本,即D(x)儘可能接近1,即log(D(x))儘可能大。

第二項z來自隨機向量,G(z)爲生成的圖像樣本,所以希望D能夠將其識別爲假樣本,即D(G(z))儘可能接近0,1-D(G(z))儘可能接近1,即log(1-D(G(z)))儘可能大。
兩項都儘可能大,即整體儘可能大。所以D的損失函數V用max代表。
D固定,訓練G時的損失函數爲


訓練G時候,希望D儘可能識別不出假樣本,即D(G(z))儘可能接近1。1-D(G(z))儘可能接近0,即log(1-D(G(z)))儘可能大,即整體儘可能小。所以G的損失函數V用max代表。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章