GAN - 生成器损失减少，但鉴别器假损失在初始下降后增加，为什么？答案

【问题标题】：GAN - Generator loss decreasing but Discriminator fake loss increase after a initial drop, why?GAN - 生成器损失减少，但鉴别器假损失在初始下降后增加，为什么？
【发布时间】：2021-11-18 23:46:41
【问题描述】：

我正在学习 GAN，并试图在自定义数据集上运行 pix2pix GAN 模型，我每个时期的平均生成器损失以及平均鉴别器假和真实损失如下 -

和

我就是不明白，为什么我的生成器损失减少了，而鉴别器假图像损失增加了？据我了解，它应该像发电机一样下降。有人可以帮我理解我犯的错误或我面临的培训问题吗？

批量大小：16
纪元：100
学习率：0.0008
L1 拉姆达：100
优化器：Gen-Adam；光盘 - SGD
生成器中使用的 BatchNORM。

【问题讨论】：

标签： tensorflow deep-learning pytorch generative-adversarial-network stochastic-gradient

【解决方案1】：

GAN 中的损失很难解释，也不是你想的那样。技术上的答案可能是生成器压倒了鉴别器。图像变得越来越逼真（这是您真正关心的全部），因此生成器的损失正在改善，而判别器的工作质量相同，但获得的数据更严格。

使用 FID 或 IS 衡量您的 GAN，而不是损失。

【讨论】：