質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.34%

  • 機械学習

    761questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • TensorFlow

    750questions

  • 深層学習

    155questions

hyper parameterに依存度小さいGAN(Generative Adversarial Nets)は?

受付中

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 401

IS.SEKI

score 15

今晩は
GANはいろんなアプリケーションに有効であることは分かりましたが、
hyper parameterに依存度が高く過敏反応する問題点もあります。

でももし最近もっとも評判の良いGANがあれば、教えていただけませんか。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

+2

どのような文脈でGANは「ハイパーパラメータ」に「敏感」だとおっしゃっているのでしょうか。

ハイパーパラメータの数は相当数あります。
層の数、ノード数、活性化関数、最適化アルゴリズム、最適化アルゴリズムのパラメータ、バッチサイズ・学習率、ノイズ、ドロップアウト率、重みの初期値……

敏感と言ってもノードを100から101個に増やしたら学習しなくなるほどの敏感さはなさそうです。
学習率を0.001から0.003にすると精度が2%下がったら敏感といえるのでしょうか。

そもそもGANの評価指数というのは何を想定しているのでしょうか。


〜の論文で「GANはハイパーパラメータに強く依存する」と書かれている、
モデルを作ってみたら、ドロップアウト率を0.5から0.7にしたら学習ができなくなった、
などもう少し具体的な情報を追記願いますでしょうか。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/04/14 14:33 編集

    そうですね。
    以前あっちこち「GANが訓練し難い」という話を見たことあります。
    それは当然ハイパーパラメータに敏感のせいだと受け止めました。
    ハイパーパラメータに敏感でなければ、適当に選択して大体同じ訓練結果になりますので、
    訓練がそんなに難しいはずはないと思います。
    そして、最近もっと具体的な文献の例を拝見しました。
    それは"Google Brain"のメンバーが2018年初頭出した論文です:
    <<Are GANs Created Equal? A Large-Scale Study>>[2018]
    https://arxiv.org/pdf/1711.10337.pdf
    この文献のFigure 5のロウソク足チャートで表しているように
    FIDはハイパーパラメータの選択によって広範囲に変動しています。
    作者らも以下のように主張しております:
    『We observe that GAN training is extremely sensitive to hyperparameter settings and there is no model which is significantly more stable than others.』

    -------
    加えて、GANの性能(F1, Precision, Recall)は計算リソースにも依存します。
    これは 文献のFigure 6 より分かります。

    キャンセル

  • 2018/04/16 21:43

    天下のGoogle様の論文にケチを付けるわけではありませんが、そちらの論文を読んでもスッキリ納得できませんでした。
    ですので、そちらに書かれている主張も話半分に読み飛ばしています。
    私が理解していないだけの可能性も高いので、以下の話も路傍の石程度に考えていただければ幸いです。

    GANの学習が難しいことに議論の余地はありません。
    しかしながら、それが何に起因するものかについて、根拠を持って有効に議論されているものがあるような記憶はありません。
    それは主に、損失関数、評価関数と問題の特性からくるものと考えています。

    学習時に使用する損失関数は学習に大きな影響を与えます。
    GANのような用途において、果たして現存の論文で提唱されている損失関数がどれほど有効であるのかについては私には判断しかねます。
    分類問題をsoftmaxではなくMAEで学習させると、ハイパーパラメータに対して不安定になり得ます。
    主に、重みの初期値と学習率に対して容易に不安定になるはずです。
    現在使用しているsoftmaxでも実装によっては数値的な不安定性はあり、ノウハウの蓄積によって安定した学習ができるようになった経緯があります。
    GANではdiscriminatorとgeneratorの学習のバランス、損失関数を絶妙にチューニングしたときにうまく学習できるようになったはずです。

    また、そちらの論文でGANのモデルを評価しようという大胆な試みをしています。
    その評価の仕方についてどれほど納得できるものであるのかは読み手次第だと思います。
    仮説は棄却されていないだけであり、論理的に証明されているわけではありません。

    最後に問題の特性ということですが、GANの目的が何であるのか、上記の論文でもいろいろあると書かれているはずです。
    目的を明確にできないものに対して、きちんと評価することは難しいです。

    以上のことを踏まえて、そもそもGANというものは非常にあやふやでかつ変動しやすい環境の中で、議論されています。
    ロバスト性のないことに対して、それを構築する任意の部分に対して、「敏感である」と断定することは難しいと感じます。
    もちろんハイパーパラメータに対しても敏感ですが、「GANはハイパーパラメータに敏感である」という主張をするには、GANの他の側面を議論しつくす必要があるように思います。

    ---

    計算リソースの話ではハイパーパラメータをチューニングするのに多大な計算コストがかかるということですが、こちらもモデルが安定でないことを別の側面から見ているだけです。

    キャンセル

+1

評判の良いGANといってもそのGANの用途に依存して変わると思いますが、IS.SEKIさんがお読みになられている「Are GANs Created Equal? A Large-Scale Study」に紹介されているGANを抑えていれば十分かと思います。

また、おそらくhyper-parameterにあまり敏感でないGANはないかということを期待されていると思いますが、これは機械学習全般にいえると思いますが、多峰問題を扱う限り期待されるものはないのではと思います。

ただ、逆に効率よく適したhyper-parameterを探す研究は進められてでしょうし、GANに関しては「効率よく学習するための手法」がまとめられているものもあります。
https://github.com/soumith/ganhacks

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/04/14 19:02 編集

    この分野の発展は非常に劇的ですね、
    残念なことに
    Google Brainの論文の中に自分が知っている最新のGAN(α-GAN)が対象になっていないのです。

    キャンセル

同じタグがついた質問を見る

  • 機械学習

    761questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

  • TensorFlow

    750questions

  • 深層学習

    155questions