가이드 연계 퀴즈 · 중간 레벨

Wasserstein GAN 퀴즈

Wasserstein 거리, 비평가 점수, Lipschitz 조건, 가중치 클리핑, 경사 페널티 및 GAN 훈련 안정성을 확인합니다.

관련 가이드 경로바세르스타인 GAN
질문 1 의 8

WGAN은 실제 분포와 생성된 분포를 비교하기 위해 어떤 거리 측정법을 사용합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. WGAN은 실제 분포와 생성된 분포를 비교하기 위해 어떤 거리 측정법을 사용합니까?
    • Wasserstein(지구 이동자의) 거리
    • 쿨백-라이블러 발산
    • 코사인 유사성
    • 유클리드 픽셀 거리
  2. WGAN에서는 판별자였던 네트워크의 이름이 무엇으로 바뀌었고, 그 이유는 무엇입니까?
    • '판사'는 찬성 또는 반대 투표를 하기 때문에
    • 확률이 아닌 연속적인 현실성 점수를 출력하기 때문에 '비평가'입니다.
    • 잡음을 발생시키기 때문에 '샘플러'
    • 나쁜 이미지를 제거하기 때문에 '필터'
  3. 왜 WGAN 비평가는 1-Lipschitz로 제한되어야 합니까?
    • GPU에서 더 빠르게 훈련시키려면
    • 매개변수 수를 줄이려면
    • Wasserstein 거리를 계산하는 데 사용되는 Kantorovich-Rubinstein 이중성은 제한된 기울기를 필요로 하기 때문입니다.
    • 강제로 정수를 출력하려면
  4. 원래 WGAN은 Lipschitz 제약 조건을 어떻게 시행했습니까?
    • 드롭아웃을 추가하여
    • 일괄 정규화만 사용하여
    • 발전기를 얼려서
    • 비평가의 가중치를 작은 범위로 클리핑함으로써
  5. WGAN은 바닐라 GAN에 비해 어떤 문제를 눈에 띄게 줄입니까?
    • 모드 붕괴 및 정보가 없는 손실
    • 테스트 세트에 과적합
    • 느린 이미지 로딩
    • 과도한 메모리 사용
  6. WGAN-GP는 원래 WGAN에 비해 어떤 개선 사항을 도입했습니까?
    • 더 큰 발전기
    • 가중치 클리핑을 대체하는 그래디언트 페널티
    • 새로운 데이터세트
    • 강화 학습 보상
  7. Why can Wasserstein loss provide a useful signal when real and generated distributions barely overlap?
    • It becomes a binary accuracy score
    • It no longer depends on the critic
    • The distance can vary smoothly as the distributions move, providing gradients before they overlap
    • It requires the generator to match every sample exactly
  8. What does the WGAN-GP gradient penalty encourage the critic’s gradient norm to do on sampled interpolations?
    • Become exactly zero everywhere
    • Grow without bound
    • Match the generator’s parameter count
    • Stay near one