就是我心目中的学术上帝!”
或许是不再单独相处，有第三个人的加入，伊恩稍微恢复了一些之前的那种社交牛杂状态，用夸张的语气说道。
“你不会要告诉我，刚刚我们在交流的时候，你坐在这里喝着这个茶，脑袋里就已经构想好了整个实验的流程？”
哪怕在加拿大的时候听过了许青山各种各样传奇的事情，也收集了不少许青山在媒体上公开的证明现场视频。
可当许青山的神奇作用在了自己擅长的领域时，伊恩还是难免抑制不住心头的激动和振奋。
“也许吧？”
虽然许青山有很多的迷弟，可是像伊恩这样狂热和勇于喜欢表达的也不算特别特别多。
许青山忍不住小装了一下，淡定的拿起茶杯，抿了一口茶，继续说道。
“GAN的训练是一个非常典型的非合作双玩家博弈的过程，双玩家博弈也意味着正常，要以交替训练的方式来进行，珂哥对于博弈论应该也有一定的了解和掌握吧？”
“嗯，学得应该还算挺扎实的。”
张珂点了点头，又补充道。
“之前我们在突破黎曼猜想的时候，第六部分有涉及到博弈和拓扑的应用。”
“很好。”
许青山颔首道。
“思路很简单，你们在制定训练策略的时候主要注意两点就行，第一是交替更新，控制变量，要先固定好生成器，指训练辨别器，让其能更好地区分真假样本，然后再固定辨别器，去训练生成器生成更逼真拟真的样本。”
“在这个基础上设计好损失函数，保证好概率最大化原则。”
“也就是生成器的损失函数通常要让辨别器认为生成样本是真实的概率最大。化而辨别器的损失函数则是让其正确分类的概率最大化。”
伊恩抢答道。
“bingo，确定极限。”
许青山打了个响指。
“这是最基础的路线，剩下的就是优化方法，你们要做好平衡训练、保持生成器和辨别器的能力平衡发展，不会因为失衡而导致生辩失效。”
“维持平衡的时候可以用上各种正则化技术，例如标签平滑。”
“其他的你们可以自己考虑一下，拿不定的找我，ok？”
许青山朝着伊恩和张珂挑了挑眉。
“没问题，你这就差把饭喂到我们胃里来了。”
张珂摆了摆手，满脸灿烂。
…。。