训练GAN的提升方法

训练GAN的提升方法

1.GAN模型

GAN是2014年由Goodfellow提出的，借鉴了博弈论中零和博弈的思想。模型由两部分组成，一部分是生成器模型，一部分是判别器模型，两者进行博弈。生成器生成尽量与样本相似的数据，判别器尽自己所能去分辨是生成器生成的数据，还是样本数据。两者进行博弈，最终达到博弈中的纳什均衡点。在模型中使用的梯度下降法来最小化两者的成本是有可能无法达到纳什均衡的，可能无法使算法收敛，于是论文提出了以下方法

2.特征匹配

特征匹配为了解决GANs的不稳定性，防止生成模型的过拟合。特征匹配是通过与判别模型中的中间层的值相匹配

3.小批量判别

4.历史平均值

5.One-sided label smoothing

6.半监督学习