Generative Adversarial Network · Live Training

GAN · 對抗訓練實驗室

這是一個真的迷你 GAN：鑑別器(邏輯迴歸)即時學著分辨真假，生成器(粒子)沿著「讓鑑別器覺得是真」的方向移動。按播放，看生成點(紫)逼近真實點(綠)、鑑別邊界成形、D 分數收斂到 0.5。

隨機雜訊→生成器→假資料；真+假資料→判別器→判定。訓練時會亮起「正在更新」的一方，並即時顯示判別器對真/假的分數。橘色虛線 = 回饋（梯度）。

真實資料形狀 → 生成器要學會模仿它。

訓練速度1×

多樣性 (抗模式崩潰)0.30

把多樣性調到很低 → 會看到「模式崩潰」：生成點全擠向同一團，忽略其他模式。

對抗目標 (minimax) min_G max_D　E[log D(x_real)] + E[log(1−D(G(z)))]

收斂判準當 D(real) ≈ D(gen) ≈ 0.5 → 鑑別器「只能瞎猜」= 練成

D 分數 0.5 = 分不出真假。訓練途中兩線會上下拉鋸(軍備競賽)，理想上收斂到中間。

真實資料生成資料背景藍=判定真紅=判定假

D(real) D(gen) 虛線 = 0.5 平衡

訓練步數

D(real) 判真機率

–

D(gen) 判真機率

–

鑑別器準確率

–

生成器越強 → D(gen) 越接近 0.5、準確率越接近 50%（越抓不到假圖）。這就是「以假亂真」。

GAN 生成對抗網路互動實驗室：真實的迷你對抗訓練，觀察生成分佈逼近真實分佈、鑑別器決策邊界演化、損失曲線與模式崩潰。