Real NVPs的最大似然与基于GAN的训练比较
机器学习
2017-05-16 v1
摘要
我们通过最大似然训练一个生成器，并且用Wasserstein GAN训练相同的生成器架构。然后我们比较生成的样本、精确对数概率密度以及近似Wasserstein距离。我们展示了一个独立训练的评判者(critic)，其用于近似验证集与生成器分布之间的Wasserstein距离，有助于检测过拟合。最后，我们利用单样本学习文献中的思想开发了一种新颖的快速学习评判者(critic)。
引用
@article{arxiv.1705.05263,
title = {Comparison of Maximum Likelihood and GAN-based training of Real NVPs},
author = {Ivo Danihelka and Balaji Lakshminarayanan and Benigno Uria and Daan Wierstra and Peter Dayan},
journal= {arXiv preprint arXiv:1705.05263},
year = {2017}
}