Wasserstein 生成对抗网络中的欠拟合与过拟合研究
机器学习
2019-11-01 v1 机器学习
摘要
我们利用生成器未见过的判别器来衡量泛化，从而研究生成对抗网络（GANs）中的欠拟合与过拟合。我们发现判别器的模型容量对生成器的模型质量有显著影响，且生成器的糟糕表现与判别器欠拟合同时发生。与我们的预期相反，我们发现相对于判别器具有较大模型容量的生成器在 CIFAR10、CIFAR100 和 CelebA 上并未显示出过拟合迹象。
引用
@article{arxiv.1910.14137,
title = {Investigating Under and Overfitting in Wasserstein Generative Adversarial Networks},
author = {Ben Adlam and Charles Weill and Amol Kapoor},
journal= {arXiv preprint arXiv:1910.14137},
year = {2019}
}