junchengberry的博客

我对GAN“生成对抗网络”（Generative Adversarial Networks）的看法： 前几天在公开课听了新加坡国立大学【机器学习与视觉实验室】负责人冯佳时博士在【硬创公开课】的GAN分享。GAN现在对于无监督图像标注来说是个神器，不过在NLP领域用的还不是那么广泛。 笔者看来，深度学...

一、效果与架构 PPGN 整合了对抗训练、cnn特征匹配、降噪自编码、Langevin采样；在NIPS2016得到了Ian Goodfellow的介绍. PPGN生成的图像同类差异化大，可根据指定生成不同类别的图像、多类化，生成的图像清楚分辨率高。 PPGN可使用imagenet1000类分类网络生成特定类别的图像。...

深度学习训练一个模型需要很多的人工标注的数据。例如在图象识别里面，经常我们可能需要上百万的人工标注的数据，在语音识别里面，我们可能需要成千上万小时的人工标注的数据，机器翻译更是需要数千万的双语句对做训练。 看看标注数据的代价有多高。比如说对机器翻译而言，现在如果我们请人工来翻译，一个单词的费用差不多是5—10美...