AGAN：迈向生成对抗网络的自动化设计
机器学习
2019-06-27 v1 人工智能
机器学习
摘要
生成对抗网络（GANs）的最新进展已显示出通过架构变化改进 GAN 训练的可喜迹象。尽管取得了一些早期成功，但目前 GAN 架构的设计仍需要人类专业知识、费力的试错测试，并且常常从其图像分类对应物中汲取灵感。在本文中，我们提出了首个神经架构搜索算法，即用于深度生成模型的自动化神经架构搜索，简称 AGAN，它特别适用于 GAN 训练。对于 CIFAR-10 上的无监督图像生成任务，我们的算法在相同的正则化技术下找到了优于最先进模型的架构。对于有监督任务，自动搜索到的架构也取得了极具竞争力的性能，在分辨率为 时优于最佳的人工设计架构。此外，我们通过实验证明，AGAN 学习到的模块可迁移到其他图像生成任务，如 STL-10。
引用
@article{arxiv.1906.11080,
title = {AGAN: Towards Automated Design of Generative Adversarial Networks},
author = {Hanchao Wang and Jun Huan},
journal= {arXiv preprint arXiv:1906.11080},
year = {2019}
}