評估 WGAN 中的評論家分數

Question

在過去的幾天里，我一直在嘗試訓練一個 WGAN，其中涉及到梯度懲罰。 我從 ChengBinJin 的 github tensorflow 實現中刪除了梯度懲罰代碼。

使用普通的 DCGAN，您可以隨時判斷鑒別器的准確度是多少，因為它正在嘗試學習可以放入 sigmoid 函數的 logits。 因此，如果我輸入真實圖像，准確率將接近 100%，非常簡單。

然而，就 WGAN 而言，鑒別器現在是一個評論家，它輸出一個分數，據我所知，這個分數並不能真正轉化為准確性。 現在我進行了 3000 次迭代，真實圖像的平均得分為 -59,000。 那么如何嘗試從這個分數中衡量准確性呢？

Answer 1

一點也不。 Wasserstein Critic 是平均獨立的，因為它被寫成 f(x) - f(y)。 所以函數 g(x) = f(x) + b 具有相同的 Wasserstein 距離。 例如 g(x) - g(y) = f(x) + b - f(y) - b = f(x) - f(y)。

所以平均值不給你任何信息。 為您提供信息的是真實圖像和假圖像的均值之間的差異，例如 Wasserstein 距離。 越小越好。