基于MNIST数据训练的DC-GAN的Frechet起始距离

Question

我从GANs开始，我正在训练一个DC-GAN关于MNIST数据集。我想用Frechet初始距离（FID）来评估我的模型。在

1. 由于Inception网络并没有经过训练来对MNIST数字进行分类，我可以使用任何简单的MNIST分类器吗？或者对于我需要使用哪种分类器有任何条件吗？还是只使用Inception net？我没有别的问题了
2. 计算mnistgan的FID有意义吗？在
3. 在计算FID时，应该使用多少来自真实数据集的图像
4. 对于我使用的分类器，我得到的FID的顺序是10^6。这个值是正常的还是有什么可怕的错误？在

如果你能回答这些问题中的任何一个，甚至是部分的，那将对我有很大的帮助。谢谢！在

Answer 1

你可以参考this。 使用在MNIST和瓶颈激活上训练的自动编码器作为解释的功能here

Answer 2

在Mnist上训练的模型在FID计算方面做得不好。据我所知，主要原因是数据分布太窄（Gan图像距离训练的分布模型太远）和模型不够深入，无法学习到很多特征变化。在

训练几个卷积层模型得到10^6的FID值。为了验证上述假设，只需加入L2正则化，FID值下降到3k左右（证实数据分布较窄），但是FID值并没有随着GAN训练的进行而提高。:(. 在

最后，当图像变得更好时，直接计算初始网络的FID值会给出一个很好的图。 [注意：-你需要重新缩放mnist图像，并通过重复一个通道3次转换为RGB。确保真实图像和生成图像具有相同的强度等级。]