题目内容
(请给出正确答案)
[主观题]
当生成器和判别器的样本分布不重叠时,GAN算法的损失函数使用了JS散度的梯度始终为 0,从而导致 GAN 的训练失败
答案
C
如搜索结果不匹配,请 联系老师 获取答案
第2题
A.生成器要最小化判别模型D的判别准确率,而判别器要尽量最大化真假分类准确率
B.训练GAN要达到生成器和判别器的博弈平衡,因此GAN的代价函数需要综合考虑两者的性能
C.通过交替训练判别器和生成器,不断提高两者的性能,使两者的性能达到某个平衡点
D.一般来说,GAN通过训练总能达到代价函数的极小值
第5题
A.无法训练成功
B.代价函数设计不合理(例如使用了KL散度)会出现训练不稳定的结果
C.代价函数设计合理(例如使用了EM距离)可能稳定训练
D.出现了训练成功的算法(例如WGAN)
第6题
A.代价函数设计不合理(例如使用了KL散度)会出现训练不稳定的结果。
B.代价函数设计合理(例如使用了EM距离)可能稳定训练。
C.出现了训练成功的算法(例如WGAN)。
D.无法训练成功。
第7题
A.生成器产生的样本种类单一,仅仅局限于真实样本的局部分布
B.生成器产生的样本难以骗过判别器
C.总代价函数对生成器和判别器参数的梯度消失
D.生成对抗网络训练缓慢,可能是生成器或判别器的结构或参数设置不当
第10题
A.生成器的任务重,减少计算量。
B.增加生成样本的多样性。
C.防止判别器在训练过程中发生梯度消失。
D.判别器的任务是分类,而不是生成假样本。
第11题
A.防止判别器在训练过程中发生梯度消失,降低鉴别器的能力
B.生成器的任务重,减少计算量
C.判别器的任务是分类,而不是生成假样本
D.增加生成样本的多样性
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!