擅长:python、mysql、java
<p>稳定WGAN训练的最常用方法是用<strong>梯度惩罚(WGAN-GP)</strong>取代早期W-GAN中使用的<strong>梯度剪裁</strong>技术。这项技术的性能似乎优于原始的WGAN。描述什么是GP的论文可以在这里找到:
<a href="https://arxiv.org/pdf/1704.00028.pdf" rel="nofollow noreferrer">https://arxiv.org/pdf/1704.00028.pdf</a></p>
<p>此外,如果您需要有关如何实现此功能的任何帮助,可以查看我在此处找到的一个不错的存储库:
<a href="https://github.com/kochlisGit/Keras-GAN" rel="nofollow noreferrer">https://github.com/kochlisGit/Keras-GAN</a></p>
<p>您还可以使用其他技巧来提高生成图像的总体质量,如存储库中所述。例如:</p>
<ol>
<li>在随时间衰减的鉴别器输入端添加随机<strong>高斯噪声</李>
<li>随机/自适应<strong>数据增强<strong></li>
<li>分开<strong>假/真批次</strong></li>
</ol>
<p>等等</p>