使用随机判别器训练生成网络
机器学习
2019-04-23 v1 人工智能
机器学习
摘要
近年来，生成对抗网络（GANs）因能在各种应用中学习数据的底层分布而备受关注。尽管应用广泛，GANs 的训练却出了名的困难。这一困难源于所得优化问题的极小极大性质，以及缺乏求解一般（非凸、非凹）极小极大优化问题的合适工具。在本文中，我们试图通过提出一种依赖随机判别器而非对抗式设计的新型生成网络来缓解此问题。该设计帮助我们避免了极小极大形式，并导出一个稳定且可高效求解的优化问题。所提方法的性能使用手写数字（MNIST）和时尚产品（Fashion-MNIST）数据集进行了评估。尽管生成的图像不如对抗训练清晰，但相较于对抗式方法，使用随机判别器带来了快得多的算法。这一观察至少说明了随机判别器方法在 GANs 训练中进行热启动的潜力。
引用
@article{arxiv.1904.09775,
title = {Training generative networks using random discriminators},
author = {Babak Barazandeh and Meisam Razaviyayn and Maziar Sanjabi},
journal= {arXiv preprint arXiv:1904.09775},
year = {2019}
}