DC GAN colab기반 구현

목차

1. 생성자 네트워크와 모델 구조
2. 판별자 네트워크와 모델 구조
3. 생성자와 판별자 연결(적대적 네트워크)
4. DC_GAN 훈련
5. Step별 손실 확인
6. 생성자로 만든 가짜 이미지 확인
7. 손실 그래프

본문내용

3. 생성자와 판별자를 연결(적대적 네트워크)
마지막으로 생성자와 판별자를 연결하여 GAN을 설정합니다. 훈련할 때 생성자가 판별자를 속이는 능력이 커지도록 학습합니다. 이 모델은 잠재 공간의 포인트를 “진짜" 또는 “가짜"의 분류 결정으로 변환합니다. 훈련에 사용되는 타깃 레이블은 항상 '진짜 이미지'입니다. gan을 훈련하는 것은 discriminator가 가짜 이미지를 보았을 때 진짜라고 예측하도록 만들기 위해 generator의 가중치를 업데이트하는 것입니다.
페이지 길이 상 dc_gan 훈련 과정은 다음 페이지에 기입하겠습니다.

4 .dc gan 훈련
Dc gan 훈련 방법
매 반복마다 다음을 수행합니다.
1.잠재 공간에서 무작위로 포인트를 뽑습니다(랜덤 노이즈).
2.이 랜덤 노이즈를 사용해 `generator`에서 이미지를 생성합니다.
3.생성된 이미지와 진짜 이미지를 섞습니다.
4.진짜와 가짜가 섞인 이미지와 이에 대응하는 타깃을 사용해 `discriminator`를 훈련합니다. 타깃은 “진짜
"(실제 이미지일 경우) 또는 “가짜"(생성된 이미지일 경우)입니다.
5.잠재 공간에서 무작위로 새로운 포인트를 뽑습니다.
6.이 랜덤 벡터를 사용해 `gan`을 훈련합니다. 모든 타깃은 “진짜"로 설정합니다. 판별자가 생성된 이미지를 모두 “진짜 이미지"라고 예측하도록 생성자의 가중치를 업데이트합니다(`gan` 안에서 판별자는 동결되기 때문에 생성자만 업데이트합니다). 결국 생성자는 판별자를 속이도록 훈련합니다.

참고 자료

없음