서론

Conditional GAN을 만들어보자.

이전에 비해 Discriminator가 더 복잡한 것 같다.

모델을 내 마음대로 만들었다가는 학습 속도 차이때문에 학습이 되지 않는다거나 하는 문제가 있기 때문에 원본 모델에 최대한 충실해보자.

잡담

간단한 임베딩 레이어 하나, 그리고 concat. 모델의 살짝 변경.

그냥 GAN과 큰 차이는 없다.

매 epoch마다 ‘5를 만들어봐’라고 하고 랜덤으로 생성된 5의 모습을 보고 있다. 가면 갈수록 다른 글자가 아닌 5가 나오는 것 같다.

지금은 5만 보고 있는데 희망적으로 생각하면 다른 숫자들도 괜찮게 생기고 있겠지 싶다

latent space는 더 이상 단순할 수 없는 0에서 1까지의 숫자 단 하나다.

라고 해놓고서 2차원에서 학습시켜서 다시 처음부터 학습시키기로 했다.

cgan

학습 속도와 컴퓨터 속도가 동시에 느리다. 그렇지만 않았으면 수백에포크정도 더 학습시켜주는건데.

latent space가 1차원인게 문제인지 너무 똑같은 모양만 나온다. 아니면 일종의 모드 붕괴가 일어난건가…

저번 시간에 이야기했던 Diffusion model에 대해서 조금 더 깊게 알아보고 싶다. GAN보다 성능이 보통 좋게 나온다는 것 같다.