推 worthy0429: 首先先謝謝大大幫我解答，第一部份我也有在考慮是不是 01/12 16:54
→ worthy0429: 輸入資料太少的問題，因為我input只有352筆data，但是 01/12 16:54
→ worthy0429: 我在做訓練之前會先random調整他的亮度當作增加樣本 01/12 16:55
→ worthy0429: 方式，另外同一種神奇寶貝是類似像下面這張圖一樣唷 01/12 16:56
※ 引述《worthy0429 (鹹鹹)》之銘言：
: 小弟第一次利用GAN來做訓練，主要目標是利用DCGAN來生成寶可夢圖像
: 但是這幾天訓練出來的discriminator loss都會一直往零趨近，
: 試著調了很多東西似乎都沒有辦法讓她平衡，不知道各位大大有沒有什麼建議
可以試著增加影像的數量看看
: 另外一個問題就是前面epoch訓練出來的生成模型雖然畫的不是很好，
: 但是每個batch中不同的noise丟進去至少可以看得出在畫不同的寶可夢
: 訓練到後面時不管丟任何noise進去都會只生成同一種寶可夢，
: 是不是代表著生成模型可以找到"一種"寶可夢對應這整個batch的noise
你是不是“那一種”寶可夢的影像數目特別多呢?
如果你想要生成不同類別的寶可夢不妨試試看conditional GAN
: 可以讓判別模型一直認為他生成出的圖像都很像真實的data
: 另外我的d_loss趨近於0是不是代表
: 判別(D)太強生成(G)太弱，所以D可以很明確的分出真實的data跟生成出的data
: 小弟問題有點多，謝謝各位解惑><
應該是可以這樣說沒錯
但主要還是以D和G都能夠收斂為判斷
以上回答純屬個人經驗
如回答有誤再煩請板上高手補充> <
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.193.237
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1547131660.A.83C.html
※ 編輯: mcps5601 (114.136.193.237), 01/10/2019 22:48:41