《表1 0 每迭代一次模型所需要的时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《GP-WIRGAN：梯度惩罚优化的Wasserstein图像循环生成对抗网络模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

虽然WIGRAN和GP-WIGRAN的生成器都是由多个结构相同的神经网络模型构成的，但是在神经网络的设计上存在区别，所以在计算速度上也存在差异．我们统计了各个模型每迭代一次所需的计算时间，以s为单位．如表10所示，在相同时间步骤下，三个模型在每次迭代的计算时间关系：T（GRAN）>T（WIRGAN）>T(GP-WIRGAN），其中GP-WIRGAN计算用时最短．另外，从表10中可以看出，同一个模型迭代一次的所需的计算时间是随着时间步骤越大而递增的．但是GP-WIRGAN在相邻两个时间步骤之间的计算时间差波动幅度都要比GRAN和WIRGAN小．