在MNIST数据集上训练的DC GAN的Frechet起始距离

Question

我从GAN入手，正在MNIST数据集上训练DC-GAN。我想使用Frechet初始距离（FID）评估我的模型。

1. 由于没有对Inception网络进行训练来对MNIST数字进行分类，因此我可以使用任何简单的MNIST分类器吗？或者我需要使用哪种分类器？还是只应使用Inception net？我还有其他问题
2. 为MNIST GAN计算FID有意义吗？
3. 计算FID时应使用实际数据集中的多少张图像
4. 对于我正在使用的分类器，我正在按10^6的顺序获取FID。该值还可以吗？还是出了什么问题呢？

如果您可以回答这些问题中的任何一个，甚至可以部分回答，那对我来说将是极大的帮助。谢谢！

Answer 1

您可以参考this。 使用经过MNIST和瓶颈激活训练的自动编码器作为here

中所述的功能

Answer 2

在Mnist上训练的模型在FID计算上效果不佳。据我所知，主要原因是数据分布太窄（Gan图像距离训练分布模型太远）并且模型的深度不足以学习很多特征变化。

训练几个卷积层模型会在FID上给出10 ^ 6的值。为了检验上述假设，仅添加L2正则化，FID值降至3k左右（确认数据分布较窄），但是随着GAN训练的进行，FID值并没有提高。 :(。

最后，当图像变得更好时，直接从Inception网络直接计算FID值将给出一个不错的图。 [注意：-您需要重新缩放mnist图像并通过重复一个通道3次将其转换为RGB。确保真实图像和生成的图像具有相同的强度等级。]