GAN用于无监督表征学习，效果依然惊人……

在表 2 中，研究者将 BigBiGAN 的实习次数晋升到 1M 步，并陈诉验证集在 50K 张图像上的精确率。分类器实习了 100K 步，行使 Adam 优化器，进修率别离为 {10^−4, 3 · 10^−4, 10^−3, 3 · 10^−3, 10^−2}。

2. 尝试功效

研究职员将模子的最佳结果和最近的无监视进修功效举办了比拟。

表 1

表 1：BigBiGAN 变体的机能功效，个中天生图像的初始分数(IS)和 Fréchet 初始间隔(FID)、监视式 logistic 回归分类器 ImageNet top-1 精确率百分比(CIs)由编码器特性实习，并按照从实习齐集随机采样的 10K 图像举办支解计较，研究者称之为「train-val」支解。

表 2

表 2：BigBiGAN 模子在官方验证集上与最近行使监视式 logistic 回归分类器的同类要领举办较量。

表 3

表 3：BigBiGAN 用于无监视(无前提的)天生 vs [24] 中的无监视 BigGAN 之前得出的功效。

【本文是51CTO专栏机构“呆板之心”的原创译文，微信公家号“呆板之心( id: almosthuman2014)”】

戳这里，看该作者更多好文

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!