lsgan、wgan不追求D、G平衡了？
收藏
最近重写cyclegan，想到一个以前忽略的问题：经典gan最终训练完成时判别器D的loss0.5左右，准确率0.7左右，达到“纳什均衡”；在lsgan、wgan-gp等改进了loss的gan中，是不是不用再追求D、G平衡了，因为它们解决了D充分训练时不能提供梯度的问题，而且像wgan这样的loss的组成，不再像经典gan的loss由真假二分类的概率组成，而是一个回归的值，这个值对D的准确率已经没有意义了。
0
收藏
请登录后评论
突然想到这个问题是因为，在跑无论cyclegan还是pix2pix时，最后d的loss在几十万次迭代后一般都会降得很低，但这时再训练还是能有改进的效果的。当然是在用lsgan的loss时
所以我就想请教下大佬们：什么指标指示gan的训练完程度？原来我都是按文章提供的轮数大致训练。
还有就是，分类的过拟合很容易判断，gan检测网络这类loss复杂的模型如何判断过拟合？
gan网络、目标检测网络如何判断过拟合？
gan的loss和效果不一定成正比吧
的确gan的效果不是靠loss评价的
可以用fid评价
fid评价。。是啥
GAN模型的量化评价指标