生成对抗网络
生成对抗网络GAN
rrr2
这个作者很懒,什么都没留下…
展开
-
DCGAN
pytorch DCGAN REF https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html#data 此处data 位于celeba\img中,celeba下载地址 http://pan.baidu.com/s/1eSNpdRG 此处只需要img_align_celeba.zip一个 但是dataroot 要写到上一级,因为...原创 2018-12-30 17:49:30 · 539 阅读 · 0 评论 -
4 李宏毅生成对抗网络学习———WGAN
论文题目:《Wasserstein GAN》( 2017年收录于ICML ) 1 背景 生成对抗网络GAN( General Adversarial Networks )诞生以来出现的 一些问题。问题核心在GAN的目标函数JS散度: 当判别器D训练得越好,生成器G的梯度消失越严重。 优化JS散度,相当于两个分布更加接近,让两个分布重叠的时候,可以达到“以假乱 真”。但是经过分析,两种分布重叠的...原创 2018-11-12 21:39:24 · 1171 阅读 · 0 评论 -
3 李宏毅生成对抗网络学习———cGAN条件生成对抗网络
ref https://blog.csdn.net/Teeyohuang/article/details/82391251 code https://blog.csdn.net/yinruiyang94/article/details/78122629转载 2018-11-09 21:29:26 · 1771 阅读 · 0 评论 -
2 李宏毅生成对抗网络学习———GAN原理
1 引言 生成对抗网络由Goodfellow在2014年提出。GAN由生成器和判别器组成。生成器的功能是输入一个样本将其输出成一个逼真的样子,判别器来判断输入的样本是真的还是伪造的。 判别网络的目的:就是能判别出来属于的一张图它是来自真实样本集还是假样本集。例如输入的是真样本,网络输出就接近1,输出的是假样本,网络输出接近0。 生成网络的目的:生成网络是造样本,它的目的就是使得自己造样本的能力尽可...原创 2018-11-09 11:24:16 · 2738 阅读 · 0 评论 -
1 李宏毅生成对抗网络学习———GAN的直观了解
https://www.bilibili.com/video/av24011528/?p=1 ppt地址:http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html csdn下载: 1 定义 GAN 主要包括了两个部分,即生成器 generator 与判别器 discriminator。生成器主要用来学习真实图像分布从而让自身生成的图像更加真实,...原创 2018-11-08 19:56:17 · 2463 阅读 · 1 评论