Tensorflow GAN中的三個損失函數

Question

我一直在關注O'Reilly的指南，在涉及他們的訓練和損失功能時，我感到非常困惑。

d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(Dx,tf.ones_like(Dx)))
d_loss_fake =tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(Dg,tf.zeros_like(Dg)))

g_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(Dg, tf.ones_like(Dg)))

感覺d_loss_real和d_loss_fake應該添加到單個變量中，並且應該將其最小化，如下所示：

d_loss = d_loss_real + d_loss_fake

d_trainer = tf.train.AdamOptimizer(0.0003).minimize(d_loss, var_list=d_vars)

但是，該指南指定了三種訓練功能，而不是兩種，其中一種用於d_loss_real，d_loss_fake和g_loss。

# Train the discriminator
d_trainer_fake = tf.train.AdamOptimizer(0.0003).minimize(d_loss_fake, 
var_list=d_vars)
d_trainer_real = tf.train.AdamOptimizer(0.0003).minimize(d_loss_real, 
var_list=d_vars)
# Train the generator
g_trainer = tf.train.AdamOptimizer(0.0001).minimize(g_loss, var_list=g_vars)

我認為這是錯誤的對嗎，還是我錯過了什么？

Answer 1

您只需要兩個優化器，一個用於生成器，一個用於鑒別器網絡：

1）discriminator_trainer = tf.train.AdamOptimizer（0.0003）.minimize（d_loss，var_list = d_vars）

2）generator_trainer = tf.train.GradientDescentOptimizer（0.0003）.minimize（g_loss，var_list = g_vars）

-在發電機網絡中使用梯度下降優化器以獲得更好的結果。