[❓질문] Gan모델관련 질문좀

[익명(121.200)]

generator 가중치가 가짜 생성할때 사용하는 이미지고 discriminator 가중치가 진짜 가짜 판별때 사용하는 가중치인건 알겠는데 그럼 두 모델 combine하는 모델의 가중치는 generator 가중치를 수정하는 가중치인거야? 그리고 모델 훈련 다 끝나고 가짜 이미지 생성할때 사용하는 가중치는 generator 가중치만 사용하고?

[지잡컴공(wlwkqzjarhd)]

일반적인 GAN에서 두 모델을 combine 하는 모델은 없는걸로 아는데요. 혹시 어떤 GAN을 말씀하시는지요?

[익명(121.200)]

de-gan이라고 구글링하다가 본건데 이거로 내 데이터 훈련시켜서 써보려하는데 제작자가 올려둔 가중치로는 결과가 잘나오는데 내가 학습시켜서 얻은 가중치로는 입력크기 차이 오류가 떠서 물어본거에요 근데 입력크기 차이면 가중치문제가 아니라 모델 구성부분에서 문제아닌가 싶기도하고 그래서 해매는중입니다

[익명(121.200)]

아 다른곳에서 문제였네요 근데 아직 저 질문은 햇갈리네요

[지잡컴공(wlwkqzjarhd)]

DE-GAN 논문과 코드를 봤는데 논문 자체는 그냥 특이한 문제에 일반적인 GAN을 적용한 논문이네요. 소스코드를 보니, 코드가 generator, discriminator 모델을 만들고 이를 다시 `gan`이라는 모델로 통합하는 것 처럼 보여서 혼동이 됐을 수 있겠는데요, 그냥 `gan`은 두 model을 묶은 것이라고 보시면 됩니다.(generator, discriminator 외의 추가적인 가중치 또는 모델은 없습니다.)

[지잡컴공(wlwkqzjarhd)]

왜 둘을 gan이라는 모델로 묶는 식으로 구현을 했냐 하면, generator를 학습시키기 위해서는 discriminator에서 나온 loss에서부터 backpropagation을 이용해서 학습시켜야 하기 때문에 그렇게 구현한 것이라고 생각하면 되는데요, train.py를 보시면 generator를 학습시킬 때에는 discriminator.trainable = False를 설정하여 discriminator의 weight는 고정하면서 generator의 결과를 다시 discriminator에 입력하여 나온 loss를 통해서 학습을 시키기 때문에 generator만 학습이 되게 되지요.

[지잡컴공(wlwkqzjarhd)]

그냥 일반적인 GAN의 학습 과정인 generator를 학습 시키고, discriminator를 학습 시키는 과정과 다를 바 없습니다.

[익명(121.137)]

감사합니다