GAN学习笔记-李宏毅：GAN Lecture 4 (2018): Basic Theory

最新推荐文章于 2022-01-27 22:27:37 发布
最新推荐文章于 2022-01-27 22:27:37 发布
阅读量464 收藏 1
点赞数 1
分类专栏： 阅读笔记 深度学习 文章标签： GAN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31895943/article/details/85269714
版权
该博客介绍了李宏毅老师的GAN第四讲，主要探讨了如何找到数据分布，即最大似然估计与最小化KL散度。GAN通过采样和判别器来解决分布间差异度量的问题，判别器作为一个二分类器，优化目标是最大化积分中的表达式。博客还提及了目标函数的求解过程。
摘要由CSDN通过智能技术生成
最低0.47元/天 解锁文章
ahigan
关注
专栏目录
李宏毅《GAN Lecture》学习笔记1 - GAN
好记性不如烂笔头
10-15 380
介绍GAN的基本原理和训练过程
GAN学习笔记-李宏毅：GAN Lecture1（2018）：Introduction
qq_31895943的博客
03-06 864
李宏毅老师讲解的GAN Lecture1（2018）：Introduction Github上一个总结GAN及其扩展的项目：[the-gan-zoo](https://github.com/hindupuravinash/the-gan-zoo) Outline Basic idea of GAN Basic idea of GAN Generator：a random vector t...
李宏毅GAN学习笔记
qq_43751506的博客
04-25 440
GAN生成对抗网络是近几年来最酷的技术，可以做到影像生成。 GAN中的生成器是输入任意一个向量，输出一张图像。输入向量的每个值可能代表着输入图像的某个特征。 GAN不但有生成器，还有一个判别器。输入一张图像，然后对这张图像进行评价这张图像是否真实。 生成器和判别器不断对抗而进化，生成器为了骗过生成器而不断生成更逼真的图像，而判别器也会不断进化使得能够判断出生成器生成的图片。 首先初始化生成...
李宏毅教授GAN课程笔记总结
weixin_42825220的博客
07-25 791
GAN 参考文献： 受限玻尔兹曼机也是生成模型 自编码机： 所学得的NN Decoder可以将一个任意生成的向量生成为一张图片 VAE(Variational Auto-Encoder)变分自编码器： 为了不使σ 为0，因此加入限制： 目的是为了使得m越接近0越好，相当于L2的正则化，而前一项也越接近0越好 缺点：没有真正去模拟一张图片，无法达到和...
李宏毅GAN课堂笔记 part4：Theory behind GAN
u013841458的博客
09-12 622
假设我们要生成的图片是二次元人脸的话，他有一个固定的图案是他的分布，这个分布在蓝色的这个区域生成的图片被判别器识别的准确率是高的。 我们的目的是找出这个分布。 Maximum Likelihood Estimation   我们提供一个分布由这个θ控制。比如高斯分布，θ指平均值和方差   从Pdata（X）中抽样中m个data 把这些几率全部乘起来是我们要maximu...
李宏毅GAN学习笔记（02）
RookieFCB的专栏
03-30 428
GAN Lecture 2 Conditional Generation by GAN Algorithm In each traing iteration: Sample m positive examples {(c1,x1),(c2,x2),…,(cm,xm)}\{(c^1, x^1), (c^2, x^2), \dots, (c^m, x^m)\}{(c1,x1),(c2,x2),…...
GAN学习笔记-李宏毅：GAN Lecture 3 (2018): Unsupervised Conditional Generation
qq_31895943的博客
03-06 536
李宏毅老师讲解的GAN Lecture 3 (2018): Unsupervised Conditional Generation 类似于风格转化的task 两类方法： 1）直接转：只能进行小改，input和output间差距较小（如颜色或纹理转化） 2）投射到公共空间：input和output间差距较大（真人转化为动画人物） Direct Transformation 存在问题-Ge...
GAN学习笔记-李宏毅：GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN
qq_31895943的博客
03-06 1809
李宏毅老师讲解的GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN 问题：input feature 对output影响不明确这件事 InfoGAN c是有意义的维度，z为随机的；因为某些维度被划分到c中，所以generator强制要求这些维度有意义；注意这里的关系是“c->其中的维度有意义”而不是“其中的维度有意义->c” ...
GAN学习笔记-李宏毅：GAN Lecture 5 (2018): General Framework
qq_31895943的博客
03-06 400
李宏毅老师讲解的 GAN Lecture 5 (2018): General Framework original GAN中使用JS divergence 来衡量real data 和 generated data 之间的divergence，fGAN讲的就是如何用其他类型divergence来衡量两者间的差异，虽然在实做上没有不同的效果 f-divergence 属性：凸函数、f(1)=0...
李宏毅《GAN Lecture》学习笔记4 - Basic Theory
好记性不如烂笔头
10-17 269
Basic Theory 假设下图中的蓝色区域是人脸的分布（用一个点代表一张人脸图片），区域内的是high probability的，区域外的是Low probability。GAN的generator做的事情就是找出这个distribution。 在没有GAN之前，如何找出这个distribution的呢？使用的是Maximum Likelihood Estimation(最大似然估计) 等...
李宏毅GAN对抗生成网络2018最新ppt全套
08-17
李宏毅GAN对抗生成网络2018最新ppt全套,内容非常详细，结合视频一起学习，将大有裨益
李宏毅机器学习GAN的笔记
XiaoQiXiaoWei_J的博客
01-27 2897
搜索网页以及视频，对GAN的笔记，仅供参考，加入了很多自己的理解
李宏毅GAN学习笔记（01）
RookieFCB的专栏
11-10 316
GAN Algorithm Initialize θd\theta_dθd​ for D and θg\theta_gθg​ for G In each training iteration: Sample m examples {x1,x2,…,xm}\{ x^1, x^2, \dots, x^m \}{x1,x2,…,xm} from database Sample m noise sam...
李弘毅老师GAN笔记（四），GAN 背后的理论
taoyafan的博客
08-02 1105
这一节理论推导的课程，证明了 GAN 的可行性，并解释了 GAN 背后的原理。 目录 1 目标 2 推导 2.1 极大似然估计 2.2 极大似然估计与最小 KL 散度 2.3 判别网络 3 算法 1 目标 以二次元图像生成为例，我们的目标是什么呢，从数学角度来说其实就是得到一个函数，输入 x 是一个向量，输出 y 便是生成的图像，其实 y 也是一个向量，满足的分布设为 ，其中  ...
李宏毅机器学习笔记：GAN
qq_43711697的博客
08-30 4811
前言 主要记录李宏毅机器学习2021中介绍GAN部分的笔记，从GAN的发展开始到GAN的基本理论再到GAN生成的评价方法最后到介绍流行的GAN方法。 一、GAN的基本介绍 GAN的全名是Generative Adversarial Network生成对抗网络，其主要的目的是为了让训练机器让机器能够自主生成相对应类型的图片，其中生成器generator就是GAN中进行生成相对应类似分布的网络，而鉴别器Discriminator就是判别生成器生成是否为真假的网络，鉴别器通过将输入的图像转换成一个判别值来判断真
李宏毅MLDS课程笔记9：Generative Adversarial Network(GAN)
徐子尧的博客
04-23 4317
NIPS 2016 Tutorial: Generative Adversarial Networks [Paper] [Video] tips for training GAN: https://github.com/soumith/ganhacksBasic Idea of GAN1、最大化似然函数等价于最小化PdataP_{data} 与PGP_G 之间的KL散度。如果PGP_G 取的是GM
李宏毅GAN课堂笔记 part1：introduction
u013841458的博客
09-11 849
Basic Idea of GAN   随便给定一个向量就可以生成一个图片。 假设第一向量元素对应的是头发长度， 假设倒数第二个元素对应的是头发蓝色的程度，值越大，越蓝。 Generator v.s. Discriminator fix这里意为固定  这个生成模型的输入是一个向量，输出是一个数值。 中间是一个大的网络，中间其中一个隐藏层的数值是中...
GAN笔记_李弘毅教程(八）Photo Editing
sinat_32512123的博客
11-15 405
Demo 可以根据调节参数来变化特征 要知道输入的每一维控制输出的什么特征。 G输入z，输出x;如果已知x(图片和标签)，我们如何知道生成x的z（vector）? 学习一个encoder Decoder不动，只train encoder，修正Encoder的最后一层。实际上可以拿D的参数来初始化Encoder的参数。 这样当给出一些image，就可以反推出它们的vector。 下图公式：长发...
李宏毅教授讲解GAN：生成对抗网络基础与应用
"这篇资源是关于台湾大学李宏毅教授的GAN（生成对抗网络）课程，涵盖了GAN的基础理论和实际应用。课程中提到了受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）以及吉布斯采样（Gibbs Sampling），并且提供了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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