Question

我正在研究生殖对抗网络（GAN）。在训练的每一步，我都调用方法generate_noise，该方法返回一些随机噪声的张量。

# Generates noise of normal distribution
def generate_noise( shape : tuple ):
    noise = tf.random_normal( shape )
    return noise

当我调用此方法时，我会收到一个随机噪声张量，该张量会提供给发电机网络。我的问题是：

如果生成器每次（在每个步骤）都收到随机输入，那么它如何优化自身以创建有意义的图像（输出）？

然后我应该使每一步的噪声恒定。这意味着每一步都只能通过一个噪声张量。

# Generates noise of normal distribution
noise = tf.random_normal( shape )
def generate_noise( ):
    return noise

我是否应该使噪声恒定，以便发电机网络必须处理一个输入，从而可以产生有意义的输出？

在GAN上引用了许多视频和博客。我找不到噪音是否保持恒定。任何帮助表示赞赏。

Answer 1

噪声不是恒定的。噪声实际上可以看作是数据的潜在表示，生成器试图以隐式方式学习该噪声。可以将“噪声”矢量中的每个维视为提供给生成器的一个特征，例如“微笑”-该特征中的值越高，生成的图像将具有更多的“微笑”。

Answer 2

否，训练期间的噪音应该不恒定。对于给定的潜在噪声矢量，GAN只能生成单个图像。如果将噪声保持恒定，则GAN只能生成一张图像。

您唯一希望噪声恒定的情况是，您想可视化在训练单个实例期间GAN的进度。

例如，以这种方式产生以下图像。请注意，在每个点处都会生成相同的图像。这是通过在训练期间的不同阶段将相同的输入噪声矢量传递给GAN来实现的。