꿈라CBT다음 <보기>는 손글씨 숫자 이미지를 생성하기 위해 GAN을 학습시킨 기록이다. 이에 대한 진단으로 가장 적절한 것은?
보기
| 구간 | 판별자 정확도 | 생성자 손실 | 생성 결과 |
|---|---|---|---|
| 초반 | 0.72 | 감소 중 | 흐릿하지만 0~9가 고루 나타남 |
| 중반 | 0.95 | 정체 | 선명해지나 특정 숫자에 치우침 |
| 후반 | 0.99 | 거의 변하지 않음 | 거의 '1'만 반복 생성 |
- 1판별자 정확도가 0.99에 도달한 것은 GAN 학습이 성공적으로 수렴했다는 신호이므로, 생성 결과가 '1'에 집중된 것은 데이터에 '1'이 가장 많았기 때문이다.
- 2생성자가 판별자를 완벽히 속이는 데 성공하여 손실이 변하지 않는 것이므로, 학습을 종료하고 현재 생성자를 그대로 사용하면 된다.
- 3판별자가 지나치게 강해져 개선 신호가 사라지고 속이기 쉬운 소수 형태만 반복하는 모드 붕괴이므로, 두 신경망의 균형을 맞춰야 한다.
- 4GAN에서는 판별자와 생성자가 독립적으로 학습하므로 한쪽의 성능이 다른 쪽에 영향을 주지 않으며, 생성 결과의 편중은 생성자 구조를 더 깊게 만들면 해결된다.