model is not stargan-vc

[hujinsen]

hi, (中文熟悉些😆）貌似模型是cyclegan-vc改的，并不是stargan-vc的模型，不知转换结果怎么样呢？

[liusongxiang]

你好，stargan跟cyclegan的整体框架是差不多的，但是这份代码里确实用的是stargan，而且代码很多参考了stargan原始论文放出的代码。我没有仔细调参，初步试验转换结果还行。谢谢！

[hujinsen]

你好，模型是基于stargan的，但不是stargan-vc论文里的模型结构，这个论文你有了解吗，我看你在生成器和判别器最后一层都加了分类器，是什么作用？

[liusongxiang]

stargan-vc 里面用一个Discriminator和一个Classifier，这里实现的也有一个Discriminator和一个Classifier，只是我让他们共享大部分参数，只有在靠近输出端才分出两支来。 看model.py的78、79行

self.conv_dis = nn.Conv2d(curr_dim, 1, kernel_size=(kernel_size_0, kernel_size_1), stride=1, padding=0, bias=False) # padding should be 0
self.conv_clf_spks = nn.Conv2d(curr_dim, num_speakers, kernel_size=(kernel_size_0, kernel_size_1), stride=1, padding=0, bias=False)  # for num_speaker

self.conv_dis这个是输出Real/Fake。 self.conv_clf_spks这个是分类用的，它的输出维度是num_speakers。 当然你也可以跟stargan-vc原paper一样，不共享参数。 生成器后面没有加分类器。

[hujinsen]

恩，分类器共享判别器的参数了，不知单独设置分类器和共享判别器参数的分类器对模型的影响如何。 最好能够放一些转换后的样本上来听一下。

[liusongxiang]

Hello，你好，我已经star了~

[hujinsen]

感谢感谢！希望以后多多交流！

[marianasignal]

stargan-vc 里面用一个Discriminator和一个Classifier，这里实现的也有一个Discriminator和一个Classifier，只是我让他们共享大部分参数，只有在靠近输出端才分出两支来。 看model.py的78、79行

self.conv_dis = nn.Conv2d(curr_dim, 1, kernel_size=(kernel_size_0, kernel_size_1), stride=1, padding=0, bias=False) # padding should be 0
self.conv_clf_spks = nn.Conv2d(curr_dim, num_speakers, kernel_size=(kernel_size_0, kernel_size_1), stride=1, padding=0, bias=False)  # for num_speaker

self.conv_dis这个是输出Real/Fake。 self.conv_clf_spks这个是分类用的，它的输出维度是num_speakers。 当然你也可以跟stargan-vc原paper一样，不共享参数。 生成器后面没有加分类器。

请问，加分类器C为什么可以优化D和G？就是多考虑了一种损失吗