当我使用 Jeff Heatons 网站上的 Keras GAN 时。 俗话说,我们拥有的数据越多,我们得到的结果就越好。我想检验这个假设。另外,我想知道 GAN 是否可以直接从数据中复制样本。
这就是为什么我创建了数字范围从 1 到 20000 的图像:
- 128 像素 x 128 像素
- 数字居中
- 所有内容都使用相同的内容(深蓝色和黄色)
为了测试这个理论,我首先用 5000 张图像训练了 GAN。这是我得到的结果:
然后我用 20000 张图像进行训练:
我真的看不出有什么大的改进。是什么赋予了?我需要尝试更多图像(50,000 张)吗?我需要改进 GAN 的架构吗?
最佳答案
您不需要修改 GAN 的架构。
如果我是您,我会首先开始寻找一个好的指标来检查您的结果如何改善/恶化。
老实说,当我查看两个不同的批处理时,第二个批处理看起来更加多样化,因此 GAN 能够生成更广泛的数字是有道理的,因为它看到了更多的图片。
关于machine-learning - 该模型无法使用更多数据产生更好的结果的原因可能是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59485171/