Skip to main content

> ML_ALGORITHM // WASSERSTEIN-GAN-GP_v1.0

Gradyan Cezalı Wasserstein GAN (WGAN-GP)

Enterpolasyonlu noktalarda 1-Lipschitz gradyan cezasıyla uygulanan Wasserstein metriğini kullanan sağlam GAN varyantı.

Adversarial Generative Networksdeep-generativeblack-boxlarge (>100k)
Tüm Algoritmalara Dön
Hesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size * (gen + 5 * critic))
Çıkarım (Inference):O(gen_forward)
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:high
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:black-box
Eğitim Verisi İhtiyacı:large (>100k)

Açıklanabilirlik Değerlendirmesi

Eleştirmen kaybı görüntü kalitesiyle monoton olarak koreledir ve güvenilir bir yakınsama metriği sağlar.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:
image generationdomain adaptation
Desteklenen Modaliteler:
imagetabular

Uygulayıcı Kütüphaneler

PyTorchLinux Foundation / PyTorch Foundation · v2.4.1
İncele
kerashub

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
  • Eleştirmende toplu normalizasyon (batch norm) kullanılamaz çünkü gradyan cezası bireysel örnekler için bağımsız hesaplanır