对抗神经网络GAN中d_loss g_loss两种更新参数的图解释

版权归属：

• https://blog.csdn.net/halchan
• [email protected]

更多关注：

• https://github.com/chanhal
• https://www.zhihu.com/people/chanhal

• 如果先计算d_loss，在d_loss.backward()后会默认自动释放掉【real_img -> G -> fake_img -> D】这个计算图，但是在执行g_loss.backward()时需要【real_img -> G -> fake_img】这一段的计算图，所以会报告retain graph的错误，解决办法：g_loss.backward(retain_graph=True)；
• 如果先计算g_loss，在g_loss.backward()后会默认自动释放掉【real_img -> G -> fake_img】这个计算图，在计算d_loss时只需要将fake_img.detach()【将fake_img与计算图“脱钩”】就不会影响d_loss.backward()的计算，因为更新只需要【fake_img -> D】这一段计算图。

查看更多关于【GAN生成对抗网络】的文章