pix2pix损失函数理解（精）

下面分为生成器和鉴别器的损失函数分别进行说明：

1.生成器（generator）的损失函数：生成器的损失函数由对抗损失和像素损失构成。

    def backward_G(self):"""Calculate GAN and L1 loss for the generator"""# 1.对抗损失，G(A) should fake the discriminatorfake_AB = torch.cat((self.real_A, self.fake_B), 1)pred_fake = self.netD(fake_AB)self.loss_G_GAN = self.criterionGAN(pred_fake, True)# 2.像素损失，G(A) = Bself.loss_G_L1 = self.criterionL1(self.fake_B, self.real_B) * self.opt.lambda_L1# combine loss and calculate gradientsself.loss_G = self.loss_G_GAN + self.loss_G_L1self.loss_G.backward()

（2）判别器的损失函数： pix2pix中判别器的损失与cGAN相同。

    def backward_D(self):"""Calculate GAN loss for the discriminator"""# Fake; 后半部分，stop backprop to the generator by detaching fake_Bfake_AB = torch.cat((self.real_A, self.fake_B), 1)  # we use conditional GANs; we need to feed both input and output to the discriminatorpred_fake = self.netD(fake_AB.detach())self.loss_D_fake = self.criterionGAN(pred_fake, False)# Real：前半部分real_AB = torch.cat((self.real_A, self.real_B), 1)pred_real = self.netD(real_AB)self.loss_D_real = self.criterionGAN(pred_real, True)# combine loss and calculate gradientsself.loss_D = (self.loss_D_fake + self.loss_D_real) * 0.5self.loss_D.backward()

Pix2pix-两个领域匹配图像的转换 - 简书

pix2pix损失函数理解（精）相关推荐

贝叶斯分类器期望损失函数理解及衍生的全新理解
期望损失函数之所以难以理解是因为定性思维认为它是一个损失函数:一是x固定的情况下,怎么还有这么多种可能:这好理解,多分类输出就是概率向量值,对应每个类别的概率:二是怎么没有真实样本的标签:因为这个函数 ...
第十诫:在规则中理解精意
不是凭着字句,乃是凭着精意.因为那字句是叫人死,精意是叫人活. <哥林多后书> 3:6 这是一个充满规则的世界.有形的和无形的规则,看得见的和看不见的规则,几乎渗透了这个世界的每一个角落, ...
损失函数理解汇总，结合PyTorch1.7和TensorFlow2
作者丨DengBoCong@知乎来源丨https://zhuanlan.zhihu.com/p/271911178 编辑丨极市平台本文仅用于学术分享,如有侵权,请联系后台作删文处理. 本文打算讨论 ...
cycleGAN的整体架构+损失函数理解
另外,我们引入了两个判别函数: 用于区分{x} 与 {F(y)} 的 Dx 用于区分{y} 与 {G(x)} 的 Dy . 我们的构建的模型包含两类组件(Our objective contains ...
收藏 | 损失函数理解汇总，结合PyTorch1.7和TensorFlow2
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除转载于:极市平台 AI博士笔记系列推荐周志华<机器学习> ...
机器学习--LR逻辑回归与损失函数理解
损失函数(loss function)是用来估量你模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好.损失函数是经验 ...
【IoU loss】IoU损失函数理解
文章目录 1 引言 2 问题分析 3 IoU Loss 4 代码演示IoU 5 感谢链接 1 引言目标检测任务的损失函数由Classificition Loss和Bounding Box Reger ...
损失函数理解汇总，结合PyTorch和TensorFlow2
点击下方标题,迅速定位到你感兴趣的内容前言交叉熵损失(CrossEntropyLoss) KL散度平均绝对误差(L1范数损失) 均方误差损失(L2范数损失) Hinge loss 余弦相似度前 ...
【Smooth L1 Loss】Smooth L1损失函数理解
文章目录 1 引言 2 L1 Loss 3 L2 Loss 4 Smooth L1 Loss 5 曲线对比分析 6 参考链接 1 引言目标检测任务的损失函数由Classificition Loss和 ...

pix2pix损失函数理解（精）

pix2pix损失函数理解（精）相关推荐

最新文章

热门文章