Kita sudah belajar banyak tentang Deep Generative Modeling, termasuk GANs dan komponen-komponennya. Mari kita diskusikan bagian-bagian dari rubrik penilaian untuk membantu memperjelas poin-poin yang mungkin masih membingungkan.
Komponen Penilaian:
-
Penentuan Dataset (20%)
-
Bagaimana cara memilih dataset yang sesuai untuk proyek ini?
-
Apakah ada kriteria tertentu untuk memastikan dataset mendukung hasil generatif yang optimal?
-
Contoh: Apakah dataset gambar harus memiliki resolusi tertentu?
-
-
Model Jaringan (15%)
-
Apa arsitektur jaringan yang paling sesuai untuk tugas ini?
-
Bagaimana kita menentukan jumlah layer, node, atau fungsi aktivasi yang optimal?
-
Apakah perlu menggunakan model pre-trained atau membangun dari awal?
-
-
Generate Bobot Awal (15%)
-
Apa metode terbaik untuk inisialisasi bobot awal?
-
Apakah ada cara untuk menghindari masalah seperti eksploding atau vanishing gradients?
-
Bagaimana pengaruh inisialisasi bobot terhadap konvergensi model?
-
-
Proses GANs (50%)
-
Bagian ini memiliki bobot terbesar. Apa saja langkah-langkah penting dalam proses pelatihan GANs?
-
Bagaimana cara memastikan Generator dan Discriminator terlatih dengan baik tanpa mengalami mode collapse?
-
Adakah tips untuk meningkatkan kualitas hasil generasi?
-
Pertanyaan Diskusi:
-
Apakah teman-teman sudah menentukan dataset yang digunakan? Kalau iya, dataset apa yang dipilih dan mengapa?
-
Model jaringan apa yang menurut kalian paling efektif untuk proyek ini? Adakah arsitektur yang ingin kalian eksplorasi?
-
Apakah ada tantangan yang kalian temui dalam proses inisialisasi bobot atau pelatihan GANs?
-
Bagaimana strategi kalian dalam menjaga stabilitas pelatihan antara Generator dan Discriminator?