introduce
现在我们的目的,是要保证对于每一个位置的 x,梯度的模都小于等于 1。在神经网络中,将梯度的模限制在一个范围内,抽象地来说就是让产生的函数更平滑一些,最常见的做法便是正则化。SNGAN(频谱归一化 GAN)为了让正则化产生更明确地限制,提出了用谱范数标准化神经网络的参数矩阵 W,从而让神经网络的梯度被限制在一个范围内。
method
频谱范数
Lipschitz:
我们的目的就是为了满足Lipschitz限制
激活函数是ReLU。
至此我们得出了一个非常重要的结论,为了限制𝑊Θ,x的谱范数,只需要每个𝑙 ∈ {1, … , 𝐿}限制𝑊𝑙的谱范数就足够了
实现
(sup上届 inf下届)
奇异值
求解: