Machine learning 什么原因导致该模型不能在大量数据的情况下产生更好的结果？_Machine Learning_Keras_Generative Adversarial Network

Machine learning 什么原因导致该模型不能在大量数据的情况下产生更好的结果？

machine-learning keras

Machine learning 什么原因导致该模型不能在大量数据的情况下产生更好的结果？,machine-learning,keras,generative-adversarial-network,Machine Learning,Keras,Generative Adversarial Network,所以当我和杰夫·希顿网站上的凯拉斯·甘玩的时候。因为俗话说，我们拥有的数据越多，我们应该得到的结果就越好。我想验证这个假设。另外，我想知道GAN是否可以从数据中复制一个样本这就是为什么我创建了数字在1到20000之间的图像： 128px 128px 数字居中全部使用相同的颜色（深蓝色和黄色）为了验证这个理论，我首先用5000张图像训练了GAN。这是我得到的结果：然后我用20000张图片进行训练：我看不出有什么大的进步。有什么好处？我是否需要尝试更多的图像（50000）？我需

所以当我和杰夫·希顿网站上的凯拉斯·甘玩的时候。因为俗话说，我们拥有的数据越多，我们应该得到的结果就越好。我想验证这个假设。另外，我想知道GAN是否可以从数据中复制一个样本

这就是为什么我创建了数字在1到20000之间的图像：

128px 128px
数字居中
全部使用相同的颜色（深蓝色和黄色）

为了验证这个理论，我首先用5000张图像训练了GAN。这是我得到的结果：

然后我用20000张图片进行训练：

我看不出有什么大的进步。有什么好处？我是否需要尝试更多的图像（50000）？我需要改进GAN的架构吗？

您不需要修改GAN的架构

如果我是你，我会首先开始寻找一个好的指标来检查你的结果如何改善/恶化

老实说，当我观察这两个不同的批次时，第二个批次看起来更加多样化，因此有道理，因为GAN看到了更多的图片，所以它能够生成更大范围的数字