m0_55905751的博客

原创 [GAN学习笔记] 基础GAN（三）——WGAN

原创 [GAN学习笔记] 基础GAN（二）——DCGAN

原创 [GAN学习笔记] 基础GAN（一）——原生GAN

本笔记基于 deeplearning.ai 的 Generative Adversarial Networks (GANs) 专项课程 1. 简述 GAN由两个主要部分部分组成， 生成器（generator）和鉴别器（discriminator）。拿图像来说，生成器的作用的生成图像以尽可能迷惑鉴别器，鉴别器的作用是接收图像进而鉴别图像的真伪，整个GAN训练的过程就是两部分对抗的过程，故叫做生成式对抗网络。训练的结果使得生成器生成的假图像看起来真实。 2. 鉴别器（discriminator） 鉴别器实际.

原创 [Kaggle Courses]数据清洗 Data Cleaning

一、简介 二、数据鸟瞰 三、标准化和归一化 四、时间处理 五、字符处理 六、不一致的数据输入

原创 [Kaggle Courses]数据可视化 Data Visualization

一、简介和Setup seaborn 是 python 数据可视化中重要的库，它是基于 matplotlib 的一个拓展，相较于 matplotlib, seaborn 更加更加方便快捷的做出复杂、美观的图。 你可以通过以下方式导入 seaborn: import matplotlib.pyplot as plt import seaborn as sns 二、seaborn作图的一些特点 函数传入一个DataFrame对象作为data参数。 字符串应传入到x和y参数中，表示在data中需要展示的列；如

原创 Python|矩阵乘法

Python|矩阵乘法 1. 题目 输入： 第一行为三个整数n,m,p，均小于10 第2行到第n+1行每行有m个整数，依次表示第一个矩阵的各行 第n+2行到第n+m+1行每行p个整数，依次表示第二个矩阵的各行 输出： 共n行，每行p个整数，依次表示两个矩阵的积的各行 提示: 同一行的整数间均用空格隔开 2. 矩阵乘法的数学基础 设A=(aij)A = (a_{ij})A=(aij​)是一个m×sm \times sm×s的矩阵, B=(bij)B = (b_{ij})B=(bij​)是一个s×n