《一种基于赛马思维的生成式对抗网络训练方法》

因为在做GAN训练的时候，我们经常遇到两个问题：真实数据不足，训练经常崩溃。
所以我设想了一个GAN赛马机制：

一个鉴别器和三个生成器
鉴别器A，不学习，不升级，只用真实的历史数据（缺点就是数据有限）。
另外有3个不同的生成器BCD，不停地学习和升级。  
先由鉴别器A去出考题，BCD参加考试，优胜者B作为课代表，课代表B生成虚拟数据，A拿着课代表的虚拟数据作为考题，去训练测试CD，直到CD的水平接近于B，对抗达到均衡。 然后由鉴别器A使用真实数据，去训练测试BCD，直到BCD中有一个胜出，打破对抗均衡。
BCD中的最新胜出者，担任课代表生成虚拟数据，A拿着课代表的虚拟数据训练测试，如此往复。

我认为这个赛马机制的优势在于适用于市面上大多数AI训练，并且不再拘泥于传统GAN追求二者纳什均衡的训练模式，而是转化成多个网络整体能力共同进化。
感谢阅读！如果您有好的灵感或者认为这个方法存在纰漏，恳请您在下方留言指教，我将不胜感激！