深度学习（三——生成模型 Generative Model）

最新推荐文章于 2025-03-03 13:22:50 发布
最新推荐文章于 2025-03-03 13:22:50 发布
阅读量1.7k 收藏 3
点赞数
分类专栏： 机器视觉深度学习
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_33854260/article/details/102961894
版权

生成模型是指：一系列用于随机生成可观测数据的模型。包括：自动编码器（Autoencoder）、变分自动编码器（Variational AutoEncoder, VAE）.

1.自动编码器

初始自动编码器作为一种数据压缩方法，特点：只能压缩与训练数据相似的数据；压缩后数据有损（降维导致的信息丢失）；

自动编码器应用：数据去噪、可视化降维；

结构：编码器（Encoder）+ 解码器（Decoder）

输入数据经神经网络降维得到一个code，然后通过另一个神经网络解码得到与原数据一样的生成数据，通过最小化两个数据之间的差异来训练网络中编码器和解码器的参数。

2.变分自动编码器

3.生成对抗网络

网络由两个部分组成：生成（解码部分）、对抗（判别器）。

生成模型：

对抗模型：

AIGC实战——生成模型简介
盼小辉丶的博客
08-29 8万+
生成式人工智能是一种人工智能方法，旨在通过学习训练数据的分布模型来生成新的、原创的数据。人工智能生成内容 (Artificial Intelligence Generated Content, AIGC) 是生成式人工智能的一个具体应用和实现方式，是指利用人工智能技术生成各种形式的内容，如文字、图像、音频和视频等。本节将介绍生成模型基本概念，首先介绍生成模型的基本概念，然后，构建用于衡量生成模型性能的框架，并介绍一些重要的核心概念。然后，介绍当前主流的生成模型技术及其分类。
扩散模型（Diffusion Model）——生成模型
m0_75253143的博客
08-09 6342
扩散模型（Diffusion Model）是一种生成模型，最近在图像生成、视频生成、语音合成等领域取得了显著的进展。与传统的生成对抗网络（GAN）和变分自编码器（VAE）不同，扩散模型通过逐步将噪声添加到数据并反转这一过程来生成新样本。
深度学习入门(8) - Generative models 生成模型
andyc_03的博客
04-28 970
cs231n notes generative models
生成模型（Generative Model）
大黑山小马哥的博客
02-23 7463
1. 基本概念 目标是学习样本点的分布。学到后可以生成数据，故称为生成模型。 2. 实现步骤 （1） 假设样本点的分布（例如高斯分布） （2） 通过样本点计算均值和方差 通常使用联合分布以减少参数的个数。 共用协方差矩阵后，边界形状发生变化。 （3）分类 P（A|B），读作“在B的条件下A的概率”。 ...
【人工智能基础】生成模型：让数据“无中生有”的神奇魔法
最新发布
hiliang521的博客
03-03 1600
【人工智能基础】生成模型：让数据“无中生有”的神奇魔法
生成模型 Generative Model（1）
weixin_43559672的博客
12-19 939
什么是生成模型，概念上的理解是指一类算法或者模型，目标是，从而能够生成新的、看起来与真实数据相似的数据；形式上的定义：给定真实分布px, 训练一个qθ​x，通过神经网络训练逐渐调整参数θ使其不断逼近px的过程，qθ​​x称为生成模型。​。
深度学习之深度生成模型
hszzjs的博客
11-22 6471
深度生成模型可以分为有监督与无监督，主要还是在于无监督地应用，用于在没有目标类标签信息的情况下捕捉观测到或可见数据的高阶相关性，可以通过从网络中采样来生成有效样本，譬如受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）、深度信念网络（Deep Belief Network, DBN）、深度玻尔兹曼机（Deep Boltzmann Machine, DBM）和广
机器学习-白板推导系列(三十)-生成模型(Generative Model)
Paul_Huang的专栏
07-06 6807
机器学习-白板推导系列(三十)-生成模型(Generative Model) 30.1 生成模型的定义 前面所详细描述的模型以浅层的机器学习为主。本章将承上启下引出后面深度机器学习的部分。本小节，主要讲述的是什么是生成模型，它是不是只是生成样本，生成数据？它的任务是什么？精准的定义是什么？ 这个问题实际上在之前的章节中有过详细的介绍。这里更进一步总结。之前讲过的简单的生成模型，包括： 高斯混合分布（GMM），GMM的主要任务是聚类，属于非监督学习； 而监督学习中的生成模型，最简单的有朴素贝叶斯模型，主要任
RNN & Generative Model
Ph8_0的博客
08-26 442
Gaze Estimation Segment face, detect landmarks, segment eyes, and put into the algorithm to get : 3D gaze direction and 2D point regard/gaze categorized into Feature-based Appearance-based and Mode...
PyTorch深度学习实战（33）——生成对抗网络(Generative Adversarial Network, GAN)
盼小辉丶的博客
01-22 6497
生成对抗网络 (Generative Adversarial Networks, GAN) 是一种由两个相互竞争的神经网络组成的深度学习模型，它由一个生成网络和一个判别网络组成，通过彼此之间的博弈来提高生成网络的性能。生成对抗网络使用神经网络生成与原始图像集非常相似的新图像，它在图像生成中应用广泛，且 GAN 的相关研究正在迅速发展，以生成与真实图像难以区分的逼真图像。在本节中，我们将学习 GAN 网络的原理并使用 PyTorch 实现 GAN。
PyTorch深度学习实战（35）——条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)
盼小辉丶的博客
01-28 6210
条件生成对抗网络通过整合条件信息和潜在空间噪声，能够根据特定的条件生成具有一定属性或风格的合成数据，为许多创造性和应用型任务提供了强大的工具和手段。本节中，介绍了条件生成对抗网络的基本原理，并利用 PyTorch 实现条件生成对抗网络生成指定性别的人脸图像。
Generative Models
04-10
Goodfellow - Generative Models 深度学习暑期学校2017
深度生成模型（Deep Generative Models）
10-26
深度生成模型基本都是以某种方式寻找并表达（多变量）数据的概率分布。有基于无向图模型（马尔可夫模型）的联合概率分布模型，另外就是基于有向图模型（贝叶斯模型）的条件概率分布。前者的模型是构建隐含层(latent)和显示层（visible)的联合概率，然后去采样。
AIGC实战——能量模型(Energy-Based Model)
盼小辉丶的博客
02-18 7575
能量模型 (Energy-based Model, EBM) 是一类常见的生成模型，其借鉴了物理系统建模的一个关键思想，即事件的概率可以用玻尔兹曼分布来表示。玻尔兹曼分布是一种将实值能量函数归一化到 0 和 1 之间的函数，该分布最早由 Ludwig Boltzmann 于 1868 年提出，用于描述处于热平衡状态的气体系统。在本节中，我们将利用这一思想来训练一个生成模型，用于生成 MNIST 手写数字的图像。
深度学习的生成模型：从生成对抗网络到变分Autoencoder
AI天才研究院
12-27 487
1.背景介绍 深度学习是人工智能的一个重要分支，其中生成模型是一种重要的深度学习技术，用于生成新的数据样本。生成对抗网络(Generative Adversarial Networks，GANs)和变分Autoencoder(Variational Autoencoders，VAEs)是生成模型的两种主要类型。本文将详细介绍这两种生成模型的原理、算法和实例。 1.1 生成模型的需求 生成模型...
生成模型（generative model）和判别模型（discriminative model）
热门推荐
Daniel_djf的专栏
12-12 1万+
在看论文和机器学习教材的时候，经常会看到生成模型和判别模型，一致对着两个模型概念很模糊，在这里自己做一个小结。   在后面介绍这个两个模型时，我们以分类问题为例，以加深理解。我们都知道，分类问题可以分为两个阶段：推理阶段（inference stage）和决策阶段（decision stage）。 推理阶段：利用训练数据学习得到一个可以计算 的模型。 决策阶段：利用在推理阶段得到的后验概率
VAE、GAN、Info-GAN：全解深度学习三大生成模型
weixin_40598071的博客
10-12 1433
VAE、GAN、Info-GAN：全解深度学习三大生成模型点击打开链接
4----COM：a Generative Model for group recommendation（组推荐的一种生成模型）
weixin_33831673的博客
09-12 525
1、摘要： 组推荐的一个挑战性问题：因为不同组的成员就有不同的偏好，如何平衡这些组员的偏好是一个难以解决的问题。 在本文中，作者提出了一个COM的概率模型来建立组活动生成过程。 直觉上： 一个组中的用户可能有不同的影响，在不同主题影响力不同，如对看电影有权威的用户在音乐上影响力可能低。 群体中的用户可能作为组员的表现和作为独立个体表现不一样。 COM基于这些直觉，融合组成员之间的偏好成...
生成式模型
sunck1970的专栏
01-14 188
生成式模型（Generative Model）是一类能够生成数据样本的模型，通常是通过学习数据的分布或结构来生成新的、类似的数据实例。与判别式模型（Discriminative Model）不同，生成式模型不仅仅关注数据的分类或标签，而是学习数据背后的潜在生成过程，从而能够生成新的样本。：通过两个神经网络（生成器和判别器）对抗训练，生成器生成假数据，判别器判断数据的真假，最终生成器能够生成与真实数据几乎相同的样本。：通过构造马尔可夫链，估算复杂的概率分布，用于从潜在分布中生成样本。
IDDM v1.1.6源码解读：深度学习中的扩散模型
### 知识点三：生成模型（Generative Model）与深度学习 生成模型是机器学习模型的一种类型，用于学习输入数据的分布，并能够生成新的数据样本。深度学习领域内的生成模型通常使用深度神经网络作为其主要架构，使得...
评论 1
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