评估 WGAN 中的评论家分数答案

【问题标题】：Evaluating the critic score in WGANs评估 WGAN 中的评论家分数
【发布时间】：2019-08-13 19:58:49
【问题描述】：

过去几天我一直在尝试训练一个涉及梯度惩罚的 WGAN。我从 ChengBinJin 的 github tensorflow 实现中去掉了梯度惩罚代码。

使用普通的 DCGAN，您可以随时判断判别器的准确度，因为它正在尝试学习可以放入 sigmoid 函数的 logits。所以如果我投入真实的图像，准确率将接近 100%，非常直接。

但是对于 WGAN，判别器现在是一个批评者，它会输出一个分数，据我所知，这并不能真正转化为准确度。现在我进行了 3000 次迭代，真实图像的平均得分为 -59,000。那么如何尝试从这个分数来衡量准确性呢？

【问题讨论】：

【解决方案1】：

一点也不。 Wasserstein Critic 是平均独立的，因为它被写成 f(x) - f(y)。所以函数 g(x) = f(x) + b 具有相同的 Wasserstein 距离。例如。 g(x) - g(y) = f(x) + b - f(y) - b = f(x) - f(y)。

所以平均值没有给你任何信息。真正给你信息的是真实和虚假图像的手段之间的差异，例如。 Wasserstein 距离。越小越好。

【讨论】：

感谢您的回复。我想这是最好的方法。但是，我今天正在研究它，并且在生成低于标准的 MNIST 数字时，距离不断增加（在某些点有下降）。我的 DCGAN 结果看起来比这更好。我认为它应该趋向于零，对吧？另外顺便说一句，在判别器的末尾添加一个单独的 softmax 层以及单分神经元是否会干扰 WGAN 训练？