深度生成模型

这篇博客探讨了深度生成模型,包括深度置信网络、深度波尔兹曼机、生成对抗网络(如GAN、CGAN、DCGAN、CycleGAN、StackGAN)以及变分自编码器,阐述了这些模型在无监督学习中的重要性及其应用。
摘要由CSDN通过智能技术生成

前言

有监督学习(也叫深度判别模型)逐渐摘取完了深度学习这棵大树的低层果实,摘取更高层的果实就要通过深度生成模型(无监督学习)。在这里主要介绍一些主流的深度生成模型。

1.深度置信网络

关于这块内容请参考RBM和深度置信网络

2.深度波尔兹曼机

和受限玻尔兹曼机不同,波尔兹曼机的每层的元素不仅仅和相邻层存在联系,同层中的每个元素同样也有联系。关于这方面内容请参考深度波尔兹曼机

3.生成对抗网络

每次提到生成对抗网络,心里不由得兴奋起来,这是一个非常了不起的领域,也代表深度生成模型的最高成就。生成对抗网络衍生了许多版本,这个家族发展至今,已经非常庞大了,下面来逐一列举生成对抗网络家族成员。

3.1 GAN

GAN最早是由Ian Goodfellow提出,他算是开山鼻祖了,一个从医学专业跳到DL领域的大牛。不过GAN还是存在着许多问题,比如不能控制随机生成图像的种类,可能这是最早提出的概念吧!关于这块内容请参考GAN生成对抗网络

3.2 CGAN

不同于GAN,CGAN添加了生成条件

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值