在过去的几天里，我一直在尝试训练WGAN并涉及渐变惩罚。我从ChengBinJin的github tensorflow实现中删除了梯度惩罚代码。
使用普通的DCGAN，您可以随时分辨出鉴别器的准确性，这是因为它试图学习可放入S型函数的logit。因此，如果我输入真实图像，则准确度将接近100％，非常简单。
但是，对于WGAN而言，鉴别器现在是评论家，并且输出分数，据我所知，它实际上并不能转化为准确性。现在，我进行了3000次迭代，真实图像的平均得分为-59,000。那么，如何去尝试根据这一分数来评估准确性呢？
答案 0 :(得分：1)
一点也不。 Wasserstein评论家是独立的，因为它写为f（x）-f（y）。因此，函数g（x）= f（x）+ b具有相同的Wasserstein距离。例如。 g（x）-g（y）= f（x）+ b-f（y）-b = f（x）-f（y）。
因此，平均值没有任何信息。能为您提供信息的是真实图像和伪图像的手段之间的差异，例如Wasserstein距离。越小越好。