- 博客(5)
- 收藏
- 关注
RSS订阅原创 GAN(生成对抗网络)生成FashionMNIST图像Pytorch实现(附完整代码！！！)
我们先看名字，生成对抗网络，“生成“的意思就是是一个可以生成数据的模型，也即生成式模型。生成式模型是当前研究的热点，目前大模型大部分都是生成式模型，例如chatgpt可以文本生成文本（文本问答式），文本生成图像等。那么“对抗”怎么理解呢？其实“对抗”在GAN中很形象：在GAN中有一个判别器，有一个生成器。生成器的目的是生成假数据，例如生成不存在的图像，欺骗判别器（让判别器无法判别数据到底是真实存在的还是生成器生成的）。判别器的目的是判别真实数据和生成器生成的假数据。
2024-09-09 11:23:32
631
原创 VAE(变分自编码器)生成FashionMNIST图像Pytorch实现(附完整代码！！！)
VAE的核心思想是得到样本的嵌入表示（编码器Encoder后），通过常见的分布拟合嵌入表示，常见的分布往往是标准正态分布或正态分布。在拟合后，我们就可以生成正态分布的样本，并将这些样本作为解码器的输入，经过解码后得到的就是生成的所需样本。VAE是AE（Auto-Endoer）的改进，在讲解VAE前，我们先讲解AE的原理。AE的结构如下：这里可以简单将AE分为三个部分：编码器，解码器和嵌入表示（图中的粉色部分）。它含有两个MLP，分别是编码器和解码器，两个MLP中的权重是我们需要学习的。
2024-09-08 12:22:58
639
原创 最适合机器学习入门者的项目进阶：FashionMNIST衣服种类识别之CNN简单实现（超详细！！！附pytorch完整代码）
在上一篇中介绍了《FashionMNIST衣服种类识别与可视化之pytorch简单实现》，在此任务中我们使用最简单的分类器MLP做分类任务。但其实应对图像任务，卷积神经网络(Convolutional Neural Networks, CNN)更有优势。原因在于卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification）。
2024-09-01 10:54:59
438
原创 最适合机器学习入门者的项目：FashionMNIST衣服种类识别与可视化之pytorch简单实现（超详细！！！附完整代码）
机器学习模型的目的之一是学习数据的有效嵌入表示。在此次任务中，为了让读者看懂且上手机器学习，笔者没有在上游的嵌入学习使用复杂的模型以挖掘数据潜在的价值，而是专注于下游的机器学习分类任务。为了直观展示原始数据的分布并方便读者理解，我们在第二章数据可视化中进行了T-SNE可视化（附代码），如果读者想看机器学习代码可查看第三章分类任务中的完整代码。在第三章中，我们给出了此分类任务的处理（附代码）。
2024-08-30 17:08:05
568
13
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人