モード崩壊と安定化の工夫
不安定なGAN学習を診断して修正します
「モード崩壊と安定化の工夫」はCoddyKit上の無料Deep Learning Academyレッスンです。 これはレッスン4/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはDeep Learning Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Deep Learning Academyコースには全4レッスンが含まれています。
このレッスンの一部はまだ翻訳されておらず、英語で表示されています。
GANs Are Hard to Train
GANs are powerful but notoriously fragile. Two networks chasing each other can swing, stall, or collapse. Knowing the failure modes saves you hours. 🧯
What Is Mode Collapse
Mode collapse happens when the generator produces only a few outputs that reliably fool the judge, ignoring the full variety of the real data.
Spotting the Collapse
You spot it when generated samples all look nearly identical, even though your real dataset is rich and diverse. Variety has vanished.
When the Judge Wins Too Fast
If the discriminator gets too strong too quickly, its gradients dry up and the generator stops learning. Balance between the two is everything.
Trick: Label Smoothing
Label smoothing softens the real target from 1.0 to about 0.9. This keeps the discriminator humble and its gradients useful.
real_label = 0.9Trick: Add Input Noise
Adding a little noise to the discriminator's inputs makes its job slightly harder, which steadies the training game and reduces collapse.
noisy = real + 0.05 * torch.randn_like(real)Trick: Tune the Optimizer
The DCGAN paper uses Adam with a low learning rate and beta1 set to 0.5. These settings are a reliable starting point.
Adam(params, lr=2e-4, betas=(0.5, 0.999))Trick: Minibatch Diversity
Minibatch features let the discriminator compare samples within a batch. If they all look the same, it notices, punishing collapse directly.
Trick: Wasserstein Loss
The Wasserstein loss with gradient penalty gives smoother signals than plain cross-entropy, making notoriously unstable GANs far easier to train.
Keep the Two Balanced
Aim for a fair fight. If one network dominates, slow it down or update the other more often. Balance beats any single trick.
Judge by Diversity Too
A healthy GAN makes images that are both sharp and varied. Always check that different latent vectors give genuinely different outputs.
Quick Check
Recognizing the symptom is half the cure.
Recap: Stabilizing GANs
You learned to spot mode collapse and to fight it with label smoothing, input noise, tuned Adam, and a balanced generator-discriminator duo. 💪
よくある質問
「モード崩壊と安定化の工夫」レッスンは無料ですか？
はい。「モード崩壊と安定化の工夫」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Deep Learning Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Deep Learning Academyコースには全4レッスンが含まれています。
「モード崩壊と安定化の工夫」で何を学びますか？
不安定なGAN学習を診断して修正します ブラウザで直接実行するハンズオンコードでDeep Learning Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
Deep Learning Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのDeep Learning Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン4/4です。
「モード崩壊と安定化の工夫」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このDeep Learning Academyレッスンでコードを書いて実行できますか？
はい。すべてのDeep Learning Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。
このコースのすべてのレッスン
- GeneratorとDiscriminator：競争の仕組み
- 敵対的損失
- DCGANを構築する
- モード崩壊と安定化の工夫