改进的WGAN-GP在开放街道网络图像数据集上的培训结果很差。
改进的WGAN-GP在开放街道网络图像数据集上的培训结果很差。
提问于 2019-07-24 17:13:36
利用keras实现了改进的WGAN算法.所使用的数据集是灰度开放的街道网络图像。
虽然该模型的迭代次数较少，但经过一段时间后，训练结果并没有改善，特别是与发电机相比，损失并没有减少，而且相对于鉴别器(批评家)来说是比较高的。
Epoch 466/2000 :
Batch 1/4 g loss | d loss : 104.06207 | -4.226562038064003 [-2.113281, 104.71014, -106.92572, 0.102302775] - Batch run time : 4.135012865066528 s.
Batch 2/4 g loss | d loss : 94.39241 | -4.960913240909576 [-2.4804566, 91.04619, -93.64499, 0.11834401] - Batch run time : 6.0274436473846436 s.
Batch 3/4 g loss | d loss : 92.28177 | -3.1542448699474335 [-1.5771224, 87.14488, -88.7628, 0.0407975] - Batch run time : 4.139840841293335 s.
Batch 4/4 g loss | d loss : 126.10479 | -4.55475278198719 [-2.2773764, 116.78906, -119.262726, 0.19628696] - Batch run time : 1.2910008430480957 s.
Saving models ...
Epoch 467/2000 :
Batch 1/4 g loss | d loss : 117.81751 | -4.348973780870438 [-2.1744869, 114.43104, -116.91664, 0.31111643] - Batch run time : 4.134741544723511 s.
Batch 2/4 g loss | d loss : 112.36156 | -4.238630764186382 [-2.1193154, 111.77963, -113.97125, 0.072304495] - Batch run time : 6.4081127643585205 s.
Batch 3/4 g loss | d loss : 112.64513 | -4.389123365283012 [-2.1945617, 110.87658, -113.19942, 0.12827618] - Batch run time : 4.130998611450195 s.
Batch 4/4 g loss | d loss : 129.88966 | -4.145997077226639 [-2.0729985, 124.60733, -126.95893, 0.2786021] - Batch run time : 1.3250582218170166 s.请检查我实现的算法这里的要点，用于我的培训的数据集可以找到这里。
我的最终目标是生成分辨率高达512或1024的图像(不确定是否可以使用WGAN算法)，但是我首先运行了256 x 256的这个算法，但是不能产生很好的结果。
2000迭代后的示例结果。这是一个8x4网格映像，显示批处理大小为32的批处理结果。
下面是相同的原始图像
有人能帮我纠正我的算法和超参数(如果有的话)，以训练我的GAN模型与上述链接中提到的数据集。
蒂娅。
回答 1
Stack Overflow用户
发布于 2019-07-24 17:33:49
寻找模式崩溃，调整学习速度，噪声量和噪声分布，优化器。有一些方法可以克服模式崩溃。特别见幻灯片37和38，关于GANs 生成对抗性网络的技巧和技巧
- 标准化数据(-1,1)
- 生成神经网络的输出: tanh
- 用高斯分布代替正态分布的样本
- 小型批次
- 使用批归一化
- 在生成器中使用Adam优化器
- 在鉴别器中使用SGD
- 在生成器中添加Dropout
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57188124
复制相关文章
相似问题
腾讯云开发者
