计算dcgan中的损耗

Question

我在试着理解Google's colab code。你能解释一下为什么他们会比较real_output和1的数组，fake_output和0的数组（纯黑色）吗？你知道吗

def discriminator_loss(real_output, fake_output):
    real_loss = cross_entropy(tf.ones_like(real_output), real_output)
    fake_loss = cross_entropy(tf.zeros_like(fake_output), fake_output)
    total_loss = real_loss + fake_loss
    return total_loss

def generator_loss(fake_output):
    return cross_entropy(tf.ones_like(fake_output), fake_output)

Answer 1

作为重述，在GAN中，你有一个生成图像的生成器。鉴别器是另一个网络，它试图预测是否有任何特定的图像来自发生器。我们将把生成器创建的图像（也称为“赝品”）标记为0，将真实图像标记为1。鉴别器输出在[0, 1]范围内。你知道吗

The arrays of 0's and 1's you see are just the labels assigned to generated or real images.

你应该注意到生成器只在“假”图像上训练，生成器不能在真实图像上训练，因为它没有生成它们。您还应该注意到生成器已经从鉴别器交换了标签，它试图实现与鉴别器相反的目标。你知道吗