在 MNIST 数据集上训练的 DC GAN 的 Frechet Inception Distance
Frechet Inception Distance for DC GAN trained on MNIST Dataset
我刚开始使用 GAN，我正在 MNIST 数据集上训练 DC-GAN。我想使用 Frechet Inception Distance (FID) 评估我的模型。
- 由于未训练 Inception 网络对 MNIST 数字进行分类，我可以使用任何简单的 MNIST 分类器吗？或者我需要使用哪种分类器有任何条件吗？还是我应该只使用 Inception net？我还有其他几个问题
- 为 MNIST GAN 计算 FID 有意义吗？
- 计算 FID 时应使用多少真实数据集中的图像
- 对于我正在使用的分类器，我按
10^6 的顺序获得 FID。这个值是正确的还是有什么可怕的错误？
如果你能回答这些问题中的任何一个，即使是部分的，那将对我有很大的帮助。谢谢！
在 Mnist 上训练的模型在 FID 计算上表现不佳。据我所知，主要原因是数据分布太窄（Gan 图像距离模型训练的分布太远）和模型不够深，无法学习很多特征变化。
训练几个卷积层模型在 FID 上给出 10^6 个值。为了验证上述假设，仅添加 L2 正则化，FID 值下降到 3k 左右（确认数据分布很窄），但是 FID 值并没有随着 GAN 训练的进行而提高。 :(。
最后，随着图像变得更好，直接从 Inception 网络计算 FID 值给出了一个很好的图。
[注意：- 您需要重新缩放 mnist 图像并通过重复一个通道 3 次来转换为 RGB。确保真实图像和生成图像具有相同的强度尺度。]
我刚开始使用 GAN，我正在 MNIST 数据集上训练 DC-GAN。我想使用 Frechet Inception Distance (FID) 评估我的模型。
- 由于未训练 Inception 网络对 MNIST 数字进行分类，我可以使用任何简单的 MNIST 分类器吗？或者我需要使用哪种分类器有任何条件吗？还是我应该只使用 Inception net？我还有其他几个问题
- 为 MNIST GAN 计算 FID 有意义吗？
- 计算 FID 时应使用多少真实数据集中的图像
- 对于我正在使用的分类器，我按
10^6的顺序获得 FID。这个值是正确的还是有什么可怕的错误？
如果你能回答这些问题中的任何一个，即使是部分的，那将对我有很大的帮助。谢谢！
在 Mnist 上训练的模型在 FID 计算上表现不佳。据我所知，主要原因是数据分布太窄（Gan 图像距离模型训练的分布太远）和模型不够深，无法学习很多特征变化。
训练几个卷积层模型在 FID 上给出 10^6 个值。为了验证上述假设，仅添加 L2 正则化，FID 值下降到 3k 左右（确认数据分布很窄），但是 FID 值并没有随着 GAN 训练的进行而提高。 :(。
最后，随着图像变得更好，直接从 Inception 网络计算 FID 值给出了一个很好的图。 [注意：- 您需要重新缩放 mnist 图像并通过重复一个通道 3 次来转换为 RGB。确保真实图像和生成图像具有相同的强度尺度。]