1

在玩过 PyTorch DCGAN 人脸教程后，我开始使用我自己的数据集，该数据集由大小为 1x32x32（通道、高度、宽度）的图像组成。

现在，我确实应用了这个存储库中的大部分内容：https ://github.com/soumith/ganhacks

但目前我被困住了。

我提出这个论点是为了选择是训练生成器（G）还是判别器（D）。

    if i > 1:
        if D_G_z1 < 0.5:
            train_G = True
            train_D = False
        else:
            train_D = True
            train_G = False

其中 i 是当前批号，train_D在第train_G一批中设置为 True。D_G_z1是 D(G(x))。

我希望一旦 D 被训练并且 D(G(x)) = 0.5，D 将停止训练，G 将开始训练以提高生成图像的真实感等。现在 D 和 G 在条件满足时进行训练遇见了。

但是，G 的损失在 5 个 epoch 后停留在 0.7，并且似乎不会随着 1k epochs 而改变（我没有尝试更多）。改变 G 的学习率，或者通过改变每个 ConvTranspose2d 层的通道数量来增加/减少 G 的复杂性也无济于事。

现在最好的方法是什么？任何意见，将不胜感激。

代码可以在这里找到：https ://github.com/deKeijzer/SRON-DCGAN/blob/master/notebooks/ExoGAN_v1.ipynb

TLDR：发电机损耗停留在 0.7，不再变化。它也没有“学习”到 X 的良好表示。

4

0 回答 0