How to become an author
Search
Write a publication
Pull to refresh

Comments 32

А здесь дискриминатор и генератор не перепутаны?
image
У меня получалось, что лосс дискриминатора всегда лучше лосса генератора.
Total votes 1: ↑1 and ↓0+1
не перепутано, тут видно что Д стабильно улучшается, и скоро обойдет Г; вообще в своих экспериментах я замечал, что Д по началу хуже, но к концу как и у вас обыгрывает Г; если отрисовать график до эпохи 10к то и у меня будет тоже самое, наверное
Total votes 1: ↑1 and ↓0+1
какой конкретно gan у вас? их уже развелось столько, что говорить просто GAN слегка сбивает с толку. к тому же во многих вариантах сравнивать loss-ы G и D вообще особого смысла не имеет. скорее надо уловить типичные хорошие кривые для них и уже с ними сравнивать.
This comment wasn’t rated yet0
DCGAN. Тоже верно.
This comment wasn’t rated yet0
100к картинок с японскими порномультиками, распознать там то, что называется лицом, и попробовать обучить). Результат вообще никакой, вероятно из-за того что «физика» лица в онеме совсем не реальная.
Вроде бы серьёзная статья, и ваша неприязнь не вписывается.
Total votes 8: ↑4 and ↓40
Хотите узнать, к чему эта прохладная тут?

Хотелось бы. Тем более лето.
Total votes 3: ↑3 and ↓0+3
Ах эти летние сентябрьские деньки =)
Total votes 2: ↑2 and ↓0+2

Прежде чем заявлять о некой нейроной сети. Дайте сначало определение- нейрон. А потом хорошенько подумайте о том что вы тут написали. И может быть, когда дойдёт, вы не будите писать глупости и объясните "своим" западным айтишникам, что маркетология хороша в меру.
Я не против совершенства программирования, я против громких названий, которые не соответствуют действительности.

Total votes 13: ↑0 and ↓13-13
расскажите пожалуйста побольше про глупости в тексте, что бы у меня была возможность исправиться
Total votes 5: ↑5 and ↓0+5

Определение так и не услышал.

Total votes 8: ↑0 and ↓8-8
я хочу исправить все проблемы за раз, будь те добры, помогите сделать пост лучше, расскажите об остальных ошибках
Total votes 3: ↑3 and ↓0+3
UFO just landed and posted this here

Когда людям нечего сказать по существу, они начинают философствовать на тему "что есть искуственный интеллект", "является ли искуственная нейронная сеть моделью реальной нейронной сети" и прочие темы, по поводу которых можно лить нескончаемые потоки псевдоумных изречений не несущих никакого смысла… в то время как практики не заморачиваются такой фигней и делают крутые штуки с использованием ИНС, независимо от того, являются они ИИ или нет ;-)

Total votes 7: ↑7 and ↓0+7
Спасибо. Отлично!
п.с. Я как то придумал перевод «порождающие конкурующие сети».
Total votes 1: ↑1 and ↓0+1

Интереснейшая работа, благодарность автору!

Total votes 1: ↑1 and ↓0+1
порождающие совернующиеся сети
Total votes 1: ↑1 and ↓0+1
отличное ревью, спасибо.

может вы знаете какие-то примеры применения GAN-ов в продакшне? субъективно то да, картинки вроде клевые, но если хорошенько присмотреться к тем же лицам, то вечно что-то не так. мне давно интересно, смог ли кто-нибудь вкрутить это все в какой-то продукт.
Total votes 1: ↑1 and ↓0+1
CycleGAN пошел бы в прод если бы дошло до этого (пока нет)

да пока не получается натренировать ганы делать лица без артефактов, но зато можно сделать сеть, которая убирает артефакты -)

теоретически можно соединить в одну модель ган, сеть убирающую артефакты и суперрезолюшн, тогда, в теории, все было бы ок, но так не пробовал пока никто вроде (имхо если натренировать каждую в отдельности, а потом соединить и дотюнить, то вполне могло бы заработать)
Total votes 1: ↑1 and ↓0+1
а никто не пытался сделать несколько генераторов и несколько дискриминаторов?
и обучать их перекрестно?
This comment wasn’t rated yet0
а что ты имеешь в виду? вот например последняя статья в обзоре CycleGAN, которая затронута только чутка, тк будет подробный пост про нее, там есть два генератора и два дискриминатора и два генератора, которые играют в игру по созданию биекции
This comment wasn’t rated yet0
Я имею ввиду другое.
Есть несколько генераторов и несколько дискриминаторов служащих для одной и той же цели.
просто случайным образом выбираем кросскомбинации.
CycleGAN генераторы служат разным целям.

Дискриминаторы как и генераторы могут быть разными по сложности.
This comment wasn’t rated yet0

А в чем существенная разница с тем, если бы мы просто налепили dropout'ов в один генератор и один диксриминатор? (Dropout вроде как порождает ансамбль сетей).

This comment wasn’t rated yet0
В том, что
1. можно делать разные по архитектуре сети
2. Сети не будут сходиться к одной и той же точке.
3. Каждая обучается независимо.
4. Каждая из сетей может быть проще.
This comment wasn’t rated yet0
да согласен с комментатором ниже, похоже на дропаут, но как и многое в сетях — нужно тестить -)
This comment wasn’t rated yet0

Несколько дискриминаторов различной сложности были рассмотрены в статье Generative Multi-Adversarial Networks


We introduced multiple discriminators into the GAN framework and explored discriminator roles
ranging from a formidable adversary to a forgiving teacher [...] Introducing multiple
generators is conceptually an obvious next step, however, we expect difficulties to arise from more
complex game dynamics. For this reason, game theory and game design will likely be important.
Total votes 1: ↑1 and ↓0+1
кстати статья Unsupervised Cross-Domain Image Generation из обзора использует трехклассовый дискриминатор, что тоже можно трактовать как несколько
This comment wasn’t rated yet0
пробовали — arxiv.org/abs/1701.02386

статья очень суровая математически. суть — один дискриминатор (насколько я помню) и много генераторов, каждый обслуживает свой кусок данных, которые надо сгенерировать.
Total votes 1: ↑1 and ↓0+1
в ДНК были закодированы имена создателей, их электропочты

Это слово сделало мой день. Телеграфируйте по электропочте, прямо русским духом пахнет.
Total votes 2: ↑2 and ↓0+2

Спасибо за статью, подбор материала и ссылки на ресурсы.

Total votes 1: ↑1 and ↓0+1
Sign up to leave a comment.

Your account

Sections

Information

Services

Support
© 2006–2024, Habr