BEGAN( + DCGAN )をpytorchで実装して日本人顔の生成 - Qiita
GANのSOTAとして注目されている、BEGAN: Boundary Equilibrium Generative Adversarial Networks( https://arxiv.org/abs/1703.10717 ）をpytorchで実装して日本人顔の生成を行いました. 論文の解説記事はたくさんあるので、ここでは詳しい解説はしませんが、 ・Discriminatorがautoencoderになっている ・複数のLossがあり、Lossごとの学習のバランスを取る方法が提案されている （←これがないと全く学習できません） ・収束判定を簡単にできる 解説は、 ・Boundary Equilibrium Generative Adversarial Networks [arXiv:1703.10717] – ご注文は機械学習ですか？ ( http://musyoku.github.io
GAN(Generative Adversarial Networks)を学習させる際の14のテクニック - Qiita
※この記事は"How to Train a GAN?" at NIPS2016を、ここを参考にして、私なりに解釈して、重要そうな部分を引用して翻訳したものです。役に立つことが多かったので共有致します。 ※GANの説明は省略します。G=Generator、D=Discriminatorとして説明します。 ※それぞれのテクニックに根拠はあまり書いてないですが、ほとんどが論文に書いてあった「こうすればうまくいった」というものです。GANの学習がうまくいかないときに試してみると良いと思います。 1. 入力を正規化 (Normalize the inputs) ・DのInput(=Gの出力)となる画像を[-1,1]の範囲に正規化する。 ・Gの出力が[-1,1]となるように、OutputのところをTanhにする。 2. GのLoss関数を修正する (A modified loss function)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
