[問題] GAN的discriminator要train比較多次理由

[PyTorch (PY火炬)]

作業系統:(ex:mac,win10,win8,win7,linux,etc...)

問題類別:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...)
ＧＡＮ generative adversail networks

使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...)
keras
問題內容:

之前有看過WGAN的discriminator要train 5次 相比generator只train一次

當初是想說WGAN的discriminator本來就被弱化 所以train比較多次合理

但是我翻Goodfellow那篇原本GAN的paper裡面就有寫道discrimintor可以train比generat

多次

這我就不懂了, discriminator原本就容易因為train太好導致gradient vanish讓generator

學不起來

還反而要train discriminator比較多次？
這樣不是更容易把discrimintor train到acc 100% ?

有沒有人可以指點一下其中的原因

謝謝各位

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.25.100
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1535107838.A.644.html
→ Mchord: 經驗法則，先試出效果，再想道理解釋，GAN的基本套路
→ InvincibleK: 我看過train 10次的...
推 Activation: 因為Discriminator的learning rate比較低吧，所以要tr
→ Activation: ain比較多次，科學的說法可能是Discriminator的loss s
→ Activation: urface比較崎嶇起伏
→ yoyololicon: D的learning rate比較低??不是都隨便設的ㄇ
→ Activation: 我看github上都是D的lr比G低耶，可能我看得不夠多
→ Activation: 不過周遭同學也是把D設比較低才train起來