В большинстве руководств по GAN, с которыми я сталкивался, единственная отслеживаемая величина - это потери в обучении.
1) Есть ли какие-либо общие выводы, которые можно сделать из сравнения обучения и проверки потери в GAN?
2) Если потери на обучающих и проверочных данных имеют различную структуру, что потеря проверки может сказать о производительности GAN?
3) В идеальном случае должны ли состязательные потери иметь схожую структуру в данных обучения и проверки?
4) Допустим, у нас есть CycleGAN. Дискриминатор - это, по сути, классификатор. Можем ли мы диагностировать запоминание в дискриминаторе GAN, отслеживая его потерю на невидимых данных (набор проверки)?