Comparison of Maximum Likelihood and GAN-based training of Real NVPs

Danihelka, I; Lakshminarayanan, B; Uria, B; Wierstra, D; Dayan, P

doi:10.48550/arXiv.1705.05263

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Preprint

Comparison of Maximum Likelihood and GAN-based training of Real NVPs

MPG-Autoren

Es sind keine MPG-Autoren in der Publikation vorhanden

Externe Ressourcen

https://arxiv.org/abs/1705.05263
(beliebiger Volltext)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Danihelka, I., Lakshminarayanan, B., Uria, B., Wierstra, D., & Dayan, P. (submitted). Comparison of Maximum Likelihood and GAN-based training of Real NVPs.

Zitierlink: https://hdl.handle.net/21.11116/0000-0002-6857-8

Zusammenfassung

We train a generator by maximum likelihood and we also train the same generator architecture by Wasserstein GAN. We then compare the generated samples, exact log-probability densities and approximate Wasserstein distances. We show that an independent critic trained to approximate Wasserstein distance between the validation set and the generator distribution helps detect overfitting. Finally, we use ideas from the one-shot learning literature to develop a novel fast learning critic.