https://blog.csdn.net/StreamRock/article/details/81096105
这个链接的博主讲的很好,看他的意思是
在生成对抗网络里,D的损失上升,G的损失下降
使用BCE这个损失函数的话,D的损失下降,G的损失也下降
那两个损失函数的图像都应该是下降才对。
可是跑了一些github上的代码,是使用的BCE的GAN网络,损失图并不是都下降,总会一个上升一个下降,
到底问题出在哪里了,有没有巨佬知道?
困扰很久了。望解答!
关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
已结题
使用BCE二元交叉熵损失函数在生成对抗网络里,G和D的损失图像都是下降的吗
收起
- 写回答
- 好问题 0 提建议
- 关注问题
微信扫一扫点击复制链接分享
- 邀请回答
- 编辑 收藏 删除
- 收藏 举报
0条回答 默认 最新
报告相同问题?
提交
- 2025-03-14 16:04盼小辉丶的博客 我们已经学习了生成对抗网络 (Generative Adversarial Network, GAN) 的工作原理,接下来,将学习如何将其...在本节中,生成器和判别器网络使用全连接层,全连接层的每个神经元都与前一层和后一层的所有神经元相连接。
- 2024-05-24 21:58在半岛铁盒里的博客 对抗生成网络
- 2025-07-06 21:43AI架构师小马的博客 本文的范围是:✅ 解释回归分析和GAN的基本概念✅ 展示回归分析如何融入GAN的训练过程(重点是损失函数设计)✅ 用代码实现一个简单的"直线生成GAN"(带回归损失)✅ 介绍实际应用场景和未来挑战❌ 不涉及过于复杂的...
- 2025-09-28 16:29永遠野誓的博客 本文回顾了作者从零开始构建、调试和优化一个基础生成对抗网络(GAN)的全过程,目标是利用经典的 MNIST 手写数字数据集来训练一个能生成逼真数字图像的模型。
- 2024-11-11 19:43搞技术的妹子的博客 GAN的基本思想是通过两个神经网络的对抗训练来生成样本数据。生成器(Generator):生成器的目标是从噪声数据中生成尽可能真实的图像。生成器通过接收随机噪声(通常是一个低维的向量)作为输入,经过一系列的神经...
- 2025-03-18 18:47程序员光剑的博客 生成对抗网络(Generative Adversarial Networks, GANs)作为人工智能领域的一项重要技术,为产品设计创新提供了新的思路和方法。企业AI Agent结合生成对抗网络,可以自动化地生成新颖的产品设计方案,帮助企业快速...
- 2024-06-03 20:05MorleyOlsen的博客 实验8:生成对抗网络 一:实验目的 1:理解生成对抗网络的基本原理。 2:学会构建改进的生成对抗网络,如DCGAN、WGAN、WGAN-GP等。 3:学习在更为真实的数据集上应用生成对抗网络的方法。 二:实验要求 1...
- 2024-06-17 13:08ByteKun&的博客 一、GAN模型介绍GAN,全称 Generative Adversarial Network,即生成对抗网络,是一种基于 对抗学习的深度生成模型。该模型由Ian Goodfellow在 2014年 首次提出,并迅速成为 学术界研究的热点,推动了生成模型领域的...
- 2024-09-23 14:47浩瀚之水_csdn的博客 交叉熵是Shannon信息论中的一个重要概念,主要用于度量两个...在机器学习中,交叉熵通常用于度量预测分布与真实分布之间的差异,特别是在分类任务中。交叉熵越小,表示预测分布越接近真实分布,模型的预测效果越好。
- 2025-06-05 10:01AI应用开发实战派的博客 在当今人工智能的快速发展中,聚类技术和生成对抗网络都有着广泛的应用。聚类技术能够将数据集中相似的数据点划分为不同的类别,有助于发现数据的内在结构和模式。而生成对抗网络则是一种强大的生成模型,能够学习...
- 2025-10-17 00:42程序员光剑的博客 随着人工智能技术的飞速发展,深度生成对抗网络作为一种强大的生成模型,在图像生成、文本创作等多个领域展现出了巨大的潜力。而创造性推理则是人类智能的重要体现,将深度生成对抗网络应用于创造性推理,有望突破...
- 2024-11-28 22:44minstbe的博客 生成式对抗网络(Generative Adversarial Networks, GAN),名字听着就有点“对抗”的意思,没错!它其实是两个神经网络互相斗智斗勇的游戏 生成式对抗网络的应用场景相当广泛,比如半导体晶圆缺陷检测领域,医学...
- 2024-08-02 16:43king-xxz的博客 本文主要写了用pytorch以MNIST为例子的gan网络的训练
- 2024-09-24 00:01sp_fyf_2024的博客 生成对抗网络(Generative Adversarial Networks,简称GANs)是由Ian Goodfellow等人在2014年提出的一种深度学习模型,主要用于数据生成任务。在本文,我们介绍该算法...计算机前沿技术,,人工智能,生成对抗网络。
- 2024-10-25 20:00若北辰的博客 我们使用二元交叉熵损失函数(Binary Cross-Entropy Loss)和 Adam 优化器来训练网络。criterion = nn.BCELoss() # 二元交叉熵损失函数lr = 0.0002 # 学习率nn.BCELoss:用于二分类任务的损失函数。optim.Adam:定义...
- 2025-03-14 15:54盼小辉丶的博客 生成对抗网络 (Generative Adversarial Network, GAN) 最早由 Ian Goodfellow 于 2014 年提出,其中生成器试图创建与真实样本无法区分的数据样本,而判别器则试图区分生成器生成的样本与真实样本。在本节中,我们将...
- 2025-03-31 10:23deephub的博客 本文通过详细分析GAN的经典损失函数及其多种变体,揭示了不同类型损失函数各自的优势:LS-GAN训练稳定性好,WGAN-GP生成图像清晰度高,而条件类GAN如CGAN则在可控性方面表现突出。这介绍代码对于相关领域的GAN应用...
- 2024-07-01 09:17武汉唯众智创的博客 在GAN的实训中,计算资源的高效利用和分配是关键。为了满足高职院校对GAN专业实训课程的需求,唯众人工智能教学实训凭借其前沿的教育技术平台,特别是GPU虚拟化技术,为学生提供了高效...生成对抗网络(GAN)实训课程。
- 2024-02-28 11:29Nobody33的博客 代码知识点这部分代码导入了所需的库和模块,包括argparse用于解析命令行参数,os用于处理文件路径,numpy用于数值计算,torchvision.transforms用于图像变换,torchvision.utils中的save_image用于保存生成的图像,...
- 2025-07-29 21:10仗剑_走天涯的博客 本文介绍了生成对抗网络(GAN)在MNIST手写数字生成中的应用。GAN通过生成器和判别器的对抗博弈实现数据生成,其中生成器将64维噪声映射为784维图像,...训练过程采用交替优化策略,使用二元交叉熵损失函数和Adam优化器。
- 没有解决我的问题, 去提问