问相对于整个mnist数据集，在一个数字上训练GAN会更快更好吗？

EN

经过进一步的研究和实验，我认为我能够回答我自己的问题。

1.是的，这是可行的！

回答我的第一个问题的最快方法是试一试，我做到了。仅用一位数(在我的例子中是3位)对GAN进行培训，取得了预期的结果：

除了明显的实际例子外，我还找到了一些进一步讨论GAN的文章，其中提到了减少训练样本中的课程以减少差异的建议(例如，CIFAR-10集中于青蛙或卡车，而不是两者兼而有之)。因此，尽管我同样怀疑，确认这种方法是有效的和可行的仍然是很好的。

2.我不确定它是不是更快

我问题的第二部分是这种方法是否更好(即更准确)和更快。

我无法证实这一点，因为mnist是一个非常简单的例子，而且无论是哪种情况，准确性都非常好，非常快。我了解到，模型拟合的速度取决于模型的复杂性和时代的数目，只要只关注一位数，就不会发生变化！因此，自然地，涵盖所有数字，个人需要更长的时间，不仅仅是训练一个完整的模式。

对于更复杂的类/图像类型，可能需要更复杂的模型和时间，并且减少方差(即只减少青蛙，没有卡车)可以帮助减少计算时间的这两个主要驱动程序，但对于像图像一样的mnist来说并非如此。

我所能找到的唯一直接好处是单个型号的更大效用。由于明确的分离，我能够按需生成一个特定的数字(通过调用相关的模型)，而不是只从0-9生成一个随机数。