Question

我想稍微了解一下WGAN，但我有几个问题。我遵循了以下article和具有git repo的WGAN实现方案。

直到现在，当我想训练GAN模型时，我都有一个epochs循环和一个批处理循环，就像这样：

for epoch in range(epochs):
    for batch in dataset:
     noise = tf.random.normal([BATCH_SIZE, noise_dim])
     generated_images = generator(noise, training=True)
     real_imgs_predictions = discriminator(batch, training=True)
     fake_imgs_predictions = discriminator(generated_images, training=True)
     gen_loss = generator_loss(fake_imgs_predictions) #my own loss function
     disc_loss = discriminator_loss(real_imgs_predictions , fake_imgs_predictions)#my own loss function

现在在此git repo中，在文章中，我看到了一个纪元循环，而不是分批运行，而是使用了train_on_batch函数，在我看来（也许我错了。），每个时期只使用一批：

for epoch in range(epochs):

            for _ in range(self.n_critic):
                # Select a random batch of images
                idx = np.random.randint(0, X_train.shape[0], batch_size)
                imgs = X_train[idx]

                # Sample noise as generator input
                noise = np.random.normal(0, 1, (batch_size, self.latent_dim))

                # Generate a batch of new images
                gen_imgs = self.generator.predict(noise)

                # Train the critic
                d_loss_real = self.critic.train_on_batch(imgs, valid)
                d_loss_fake = self.critic.train_on_batch(gen_imgs, fake)
                d_loss = 0.5 * np.add(d_loss_fake, d_loss_real)

1。这是GAN和WGAN之间的区别之一吗？

2。只使用一批批次有什么好处？

3。我知道在WGAN中，我们要训练批评者/区分者而不是生成者，但是为什么我们每个时期不使用很多批处理？

WGAN vs GAN培训

0 个答案: