GAN用于无监督表征学习，效果依然惊人……(2)

在表 2 中，研究者将 BigBiGAN 的训练次数提升到 1M 步，并报告验证集在 50K 张图像上的准确率。分类器训练了 100K 步，使用 Adam 优化器，学习率分别为 {10^−4, 3 · 10^−4, 10^−3, 3 · 10^−3, 10^−2}。

2. 实验结果

研究人员将模型的最佳效果和最近的无监督学习结果进行了对比。

表 1

表 1：BigBiGAN 变体的性能结果，其中生成图像的初始分数(IS)和 Fréchet 初始距离(FID)、监督式 logistic 回归分类器 ImageNet top-1 准确率百分比(CIs)由编码器特征训练，并根据从训练集中随机采样的 10K 图像进行分割计算，研究者称之为「train-val」分割。

表 2

表 2：BigBiGAN 模型在官方验证集上与最近使用监督式 logistic 回归分类器的同类方法进行比较。

表 3

表 3：BigBiGAN 用于无监督(无条件的)生成 vs [24] 中的无监督 BigGAN 之前得出的结果。

【本文是51CTO专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】

戳这里，看该作者更多好文

（编辑：ASP站长网）