（MNIST - GAN）鉴别和发电机误差下降接近零的第一次迭代

后，为了获得在生成对抗性网络的洞察力，我想实现在此基础上Stanford university assignment使用tensorflow为MNIST数据集自己的GaN。（MNIST - GAN）鉴别和发电机误差下降接近零的第一次迭代

我仔细检查和研究了我对给定练习的解答，并且通过了测试。但是，我的发电机只会产生噪音。

我很确定我得到的帮助功能正确，所有的测试都通过了，而且我在网上找到的参考文献显示了完全相同的实现。那么，它可能出问题才是鉴别和发电机架构：

def discriminator(x): 
    with tf.variable_scope("discriminator"): 
     l_1 = leaky_relu(tf.layers.dense(x, 256, activation=None)) 
     l_2 = leaky_relu(tf.layers.dense(l_1, 256, activation=None)) 
     logits = tf.layers.dense(l_2, 1, activation=None) 
     return logits 

def generator(z): 
    with tf.variable_scope("generator"): 
     l_1 = tf.maximum(tf.layers.dense(z, 1024, activation=None), 0) 
     l_2 = tf.maximum(tf.layers.dense(l_1, 1024, activation=None), 0) 
     img = tf.tanh(tf.layers.dense(l_2, 784, activation=None)) 
     return img

我看到，发电机和鉴别错误在第一迭代下降接近于零。

Iter: 0, D: 1.026, G:0.6514 
Iter: 50, D: 2.721e-05, G:5.066e-06 
Iter: 100, D: 1.099e-05, G:3.084e-06 
Iter: 150, D: 7.546e-06, G:1.946e-06 
Iter: 200, D: 3.386e-06, G:1.226e-06 
...

由于学习率较低，例如， 1e-7，鉴别器和发生器的误码率缓慢衰减，但最终会降至零，并产生噪声。

Iter: 0, D: 1.722, G:0.6772 
Iter: 50, D: 1.704, G:0.665 
Iter: 100, D: 1.698, G:0.661 
Iter: 150, D: 1.663, G:0.6594 
Iter: 200, D: 1.661, G:0.6574 
...

我得到了tensorflow图并运行了我的实验，但迄今未能解释任何有意义的实验。如果您有任何建议或可以推荐一种调试技术，我会很高兴听到它。

按照要求，这里是我的GAN码 - 失重：

def gan_loss(logits_real, logits_fake): 
    labels_real = tf.ones_like(logits_real) 
    labels_fake = tf.zeros_like(logits_fake) 

    d_loss_real = tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_real, labels=labels_real) 
    d_loss_fake = tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_fake, labels=labels_fake) 
    D_loss = tf.reduce_mean(d_loss_real + d_loss_fake) 

    G_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_fake, labels=labels_fake)) 
    return D_loss, G_loss

来源

2017-10-13 Falco Winkler

海事组织最可能的事情是你在发电机的损失功能方面有错误。你能显示你的损失函数代码吗？ –

我更新了我的问题 –

测试结果为： d_loss中的最大错误：1.20519e-16 g_loss中的最大错误：0.0119083 –

据我了解这种模式，你应该更改此设置：

G_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(
    logits=logits_fake, labels=labels_fake))

这样：

G_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(
    logits=logits_fake, labels=tf.ones_like(logits_fake)))

来源

2017-10-13 13:37:01

（MNIST - GAN）鉴别和发电机误差下降接近零的第一次迭代

回答

相关问题