存一个链接，GAN模型损失函数详解

             

​   如果我前文的描述你都听懂了的话，其实这个过程就没什么好说的了，就是对判别器和生成器不断的迭代更新。需要注意的有两点，第一是在训练过程中，我们是训练K次判别器，训练一次生成器；第二是在训练生成器过程中，我们的损失函数没有了1m∑i=1mlog⁡D(x(i))\frac{1}{m}\sum\limits_{i = 1}^m {\log D({x^{(i)}})}m1​i=1∑m​logD(x(i)) 这一项，这个我在GAN损失函数这节有提到，因为训练生成器G时固定了判别器D，该项是定值，可省略。【注：这里的1m∑i=1mlog⁡D(x(i))\frac{1}{m}\sum\limits_{i = 1}^m {\log D({x^{(i)}})} m1​i=1∑m​logD(x(i)) 和EX∼Pdata[logD(X)]E_{X \sim P_{data}}[logD(X)]EX∼Pdata​​[logD(X)] 完全一样，只是一个是用均值表示，一个用期望表示。】

作者：秃头小苏
链接：https://juejin.cn/post/7120443914854613029
来源：稀土掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。