学校作为一种社会组织，其独特性体现在哪些方面？（）

A．生成对抗网络包括两部分，即生成器和判别器

B．生成对抗网络的判别器进行训练时，其输入为生成器生成的图像和来自训练集中的真实图像，并对其进行判别

C．生成对抗网络的生成器从随机噪声中生成图像（随机噪声通常从均匀分布或高斯分布中获取）

D．既然生成对抗网络是无监督模型，则不需要任何训练数据

A、生成对抗网络只包含若干个生成器，优胜者胜出

B、生成对抗网络，即Generative Adversarial Networks，简称GAN

C、生成对抗网络包括两部分，即生成器和判别器

D、生成对抗网络的生成器:从随机噪声中生成图像（随机噪声通常从均匀分布或高斯分布中获取）

A．生成器、判别器

B．解码器、判别器

C．编码器、判别器

D．编码器、解码器

A、如果生成器生成的样本，判别器判定为真实的，则说明生成器的效果是较好的，因而可以用判别器来评价生成器，即判别的性能越差，说明生成器的性能越好

B、可以用判别器来评价生成器，即判别的性能越好，说明生成器的性能越好

C、生成对抗网络中无法评价生成器的好坏

D、其它答案都不对

A．生成器产生的样本种类单一，仅仅局限于真实样本的局部分布

B．生成器产生的样本难以骗过判别器

C．总代价函数对生成器和判别器参数的梯度消失

D．生成对抗网络训练缓慢，可能是生成器或判别器的结构或参数设置不当

A．图1是训练判别器

B．图1是训练生成器

C．图2是训练判别器

D．图2是训练生成器

A．判别器和生成器的参数在每次迭代时，都要同时更新参数

B．在训练判别器时，生成器参数被固定

C．在训练生成器时，判别器的参数被固定

D．其它答案都不对

A．生成器用来产生带有随机噪声的一定分布数据和真实样本数据的映射关系，判别器用来区别实际数据和生成器产生的数据

B．生成器可以由Autoencoder实现

C．生成器和判别器需要交替训练，不断增加两者的性能，直至达到某种博弈的平衡

D．生成器和判别器的代价函数在训练过程中是同时优化的