本文介绍了一种名为MD-GAN的新方法,可以在分布式数据集上训练生成对抗网络(GAN)。文章首先介绍了GAN的背景和构成,然后提出了分布式GAN训练的挑战,即如何在多个工作节点上细粒度地分配GAN的两个组件:生成器和判别器。为了解决这个问题,作者提出了MD-GAN,使用单个生成器和多个判别器,并使用点对点通信模式在工作节点之间传递判别器。作者还比较了MD-GAN和联邦学习对GAN(在这里作者提出了一个将联邦学习和GAN结合的方法FL-GAN)的性能,使用了MNIST和CIFAR10数据集,并进行了实验。最后,作者讨论了分布式GAN的现实意义以及未来的研究方向。
Q1:论文试图解决一个什么问题?
这篇论文试图解决分布式数据集上的生成对抗网络(GAN&#