我理解总体概述，但我想更深入地了解培训。在前两次训练中究竟发生了什么？它是首先接受过训练的发生器还是鉴别器？是否曾用于训练GAN的验证集？如果是这样，那么对于发电机还是鉴别器呢？
答案 0 :(得分：0)
每次迭代都是一样的。
我们在每次迭代中使用一批真实的和一批生成的（假的）示例。这两个批次的大小相同，我们可以选择。
发生器和鉴别器都是在迭代方式同时训练的。 G得到一个随机向量作为输入，而D得到真实的例子。
但是，在迭代中，您首先必须生成一批假例子。然后，您将实例提供给D，最后在每次迭代中将生成的示例提供给D。 D首先在实例上学习参数（权重），然后在假例子上使用这些权重。然后，yoy计算D loss，然后计算G loss，并将它们传递给优化器，优化器尝试将它们最小化。
没有验证和测试集。你只想减少D和G的损失。
理论上，你希望你的D能够以50％的概率判断一个例子是真实的，因为在这种情况下，它无法区分真实和虚假的例子，这就是你想要的。它只能猜测。这就像掷硬币一样。在这种情况下，G可以很好地生成与实际类似的示例。