李宏毅流模型

已于 2023-02-21 21:32:16 修改
阅读量361 收藏 2
点赞数
分类专栏： 经验分享 英语六级单词记忆 深度学习之美 文章标签： 算法 线性代数 矩阵
于 2023-02-20 21:07:19 首次发布
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_34848334/article/details/129126628
版权

李宏毅流模型

常见的3中生成模型,Flow-base Model是第四种生成模型
在这里插入图片描述
2.
normal distribution：正态分布

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Flow-based model directly optimizes the objecthe function
基于流的模型直接优化目标函数
在这里插入图片描述

在这里插入图片描述

max object function:最大目标函数

dimention:维度

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Inverse function：反函数

在这里插入图片描述

在这里插入图片描述

如果两个函数本身就互为反函数，那么这两个函数求解得到的两个雅克比矩阵相乘等于单位矩阵
在这里插入图片描述

determinant：行列式

在这里插入图片描述

方阵的行列式是提供有关矩阵信息的标量。

行列式其实就是一个“数”
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
23.
表示高维空间的“体积”，不是下面说的高维面积
在这里插入图片描述

change of variable theorem：变量变换定理

在这里插入图片描述
这个P即表示x服从某一种分布。当x取得一个确定值的时候，那么p(xi)表示，在这种分布上，变量取得xi这个值的概率
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

因为均匀分布也是概率分布，所有概率的总和是1.所以下图中的积分结果是1
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
41.
一个矩阵做transpose（矩阵的转置）不会改变它的行列式
在这里插入图片描述
42.
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
61.
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
64.
这两个操作在深度学习中可以是卷积层，激活层，池化层等等。
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
67.
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

QT-Smile
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Transformer（李宏毅2022）
linyuxi_loretta的博客
10-18 2304
（作业五）变形金刚的英文就是Transformer,那Transformer也跟我们之后会,提到的BERT有非常强烈的关係,
李宏毅老师深度学习PPT
11-18
深度学习课程全套PPT设计各种新技术如元学习，life long learning，强化学习等，适合仔细学习研究。
李宏毅机器学习笔记.Flow-based Generative Model(补)
老毛的博客
11-02 743
文章目录引子生成问题回顾：GeneratorMath BackgroundJacobian MatrixDeterminant 行列式Change of Variable Theorem简单实例一维实例二维实例网络G的限制基于Flow的网络构架G的训练Coupling LayerCoupling Layer反函数计算Coupling Layer Jacobian矩阵计算Coupling Layer Stacking1×1 ConvolutionGLOW效果其他工作 原视频见油管https://www.you
【机器学习】李宏毅——Flow-based Generative Models
FavoriteStar的博客
09-21 779
本文主要介绍了Flow-based Generative Models的概念，以及其内部各个模块的主要思想，可结合我之前写过的生成模型的博客共同阅读。
【李宏毅ML笔记】18 Fizz Buzz in TensorFlow
wffzxyl的博客
03-02 900
硬train一代的代表故事fizz buzz，如给你100个数，如果能被3整除，输出fizz，如果能被5整除，输出buzz，如果能被两者整除，则输出fizz buzz。如下：900个样本，每个样本代表一个数字，并且有二进制数值表示。观察样本，第一个数字是101，则二进制表示为1010011000，下面观察label，如果不是被3,5或同时被整除，则保留原数。所以共有4种情况，“原数，fizz，bu...
李宏毅——Flow-based Generative Model
shaoyue1234的专栏
10-09 3994
李宏毅——Flow-based Generative Model导语已经介绍的生成模型数学背景jacobian MatrixDeterminantchange of Variable Theoremflow-based generative model 导语 已经介绍的生成模型 之前的生成模型的问题 component-by-component问题：什么是最好的顺序；生成的慢 VAE问题：优化的...
flow的理论背景
林宋的搬砖流水账
05-08 1497
生成模型 生成模型的本质是希望能够拟合一个概率分布，深度神经网络可以拟合任何的函数，但是不能拟合任何的概率分布，因为概率分布有非负性和归一性的本质。这样，直接能写的分布只有离散分布和连续的高斯分布。 从严格意义讲，图像是由有限个像素组成的，每个像素的取值也是离散的，有限的，因此可以通过离散分布来描述图像的分布，pixel RNN就是基于这个思路做的，“自回归流”的思路。缺点是无法并行，计算量很大...
李宏毅机器学习笔记——生成模型
weixin_62375715的博客
03-29 452
在这里有个tips值得说一下，图的每个像素一般RGB三色，问题出在当RGB三个值相差不大时最终的结果像素点的颜色趋向灰色，于是乎，为了使生成的图像更加鲜亮，就需要拉高三个值的差距。总而言之，上图其实是有许多个gaussion分布组合而成的，比如有10个，那么能sample就最多有10种情况，但当我们采用映射的方法，z拥有无穷多的可能，时，KL(q(z|x)||P(z|x))值将不断缩小(问为什么？Log(P(x))不会改变，如图所示，我们从寻找P(x|z)变成了寻找P(x|z)与q(z|x)
【FLOW学习笔记】流模型（Flow-based Model）详解
热门推荐
a312863063的博客
06-30 2万+
完整笔记：http://www.gwylab.com/note-flow_based_model.html 李宏毅老师的视频教程：/www.bilibili.com/video/av46561029/?p=59 —————————————————————————————————— 前言 · Flow-based模型的不同之处 从去年GLOW提出之后，我就一直对基于流（fl...
生成模型（二）：基于流的生成模型（Flow-based Generative Model）【少用】
u013250861的博客
12-22 2138
给定一个将n维输入向量\mathbf{x}映射到m维输出向量的函数，\mathbf{f}: \mathbb{R}^n \mapsto \mathbb{R}^m，这个函数的所有一阶偏导的矩阵被称为Jacobian矩阵，\mathbf{J}，其中第i行和第j列是\mathbf{J}_{ij}= \frac{\partial f_i}{\partial x_j}。IAF打算在\tilde{\mathbf{x}}已知的情况下估计\tilde{pi}(\tilde{\mathbf{z}})的概率密度函数。
李宏毅 GAN PPT
12-07
李宏毅 GAN PPT，很清晰，可以配合视频一起观看。效果更好
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
李宏毅老师课件整合
12-17
包包含李宏毅老师的机器学习所有课件，都是在李宏毅老师个人主页下载整理的，建议配合B站李宏毅老师的Machine Learning 视频一块使用。
【算法】【二叉树，DFS，哈希集合，分类讨论】力扣1110. 删点成林
未来就在脚下。
05-20 493
本题通过DFS遍历二叉树，结合分类讨论的方法，逐步删除指定节点并生成新的森林。该算法有效地处理了节点删除后树结构的调整问题，并通过哈希集合优化删除判断的时间复杂度，最终实现了高效的解决方案。
MT2057 门票
l141930402的博客
05-15 758
前缀和+归并排序
力扣62 不同路径 Java版本
最新发布
m0_47066863的博客
05-20 185
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。从左上角开始，总共有 3 条路径可以到达右下角。题目数据保证答案小于等于 2 * 109。输入：m = 3, n = 7。输入：m = 3, n = 2。输入：m = 7, n = 3。输入：m = 3, n = 3。问总共有多少条不同的路径？
技艺高超的魔法师：Java运算符
epitomizelu的专栏
05-14 788
Java运算符是构建复杂程序的基础，掌握它们的使用和优先级对于写出高效、清晰的代码至关重要。通过本文的介绍和实例，希望能帮助读者更好地理解和运用这些运算符，让代码表达更加精准和高效。记住，实践是学习的最好方式，不断编写代码并探索不同的场景，你会越来越熟练地掌握它们。
22. 括号生成
编程SHARE的博客
05-20 177
数字 n 代表生成括号的对数，请你设计一个函数，用于能够生成所有可能的并且 有效的 括号组合。
李宏毅transform
08-23
＊＊＊他在机器学习领域的研究涵盖了许多方面，包括自然语言处理、计算机视觉和强化学习等。＊＊＊至于"transform"这个词，它在深度学习中常常指代变换模型，...李宏毅在Transformer模型的研究和应用方面也有很多贡献。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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