GAN
绛洞花主敏明
研究生在读,喜欢刺激有挑战。
展开
-
GAN详细介绍。
目录:新手村1.1. 应用1.2. GAN的问题1.2.1. Mode collapse(模式坍塌)1.2.2. Diminished gradient (梯度衰退)1.2.3. Non-convergence(不收敛)1.3 评价指标(IS 和FID)各种各样的GAN(按照创新方向分类GAN)2.1. 网络设计2.1.1. DCGAN2.1.2. CGAN2.1.3. Stacked or progressive GAN2.2. Cost function2.2.1. 添加新转载 2020-06-16 15:31:56 · 3840 阅读 · 1 评论 -
条件生成对抗网络-CGAN原理分析与pytorch实现
简介上文说到生成对抗网络GAN能够通过训练学习到数据分布,进而生成新的样本。可是GAN的缺点是生成的图像是随机的,不能控制生成图像属于何种类别。比如数据集包含飞机、汽车和房屋等类别,原始GAN并不能在测试阶段控制输出属于哪一类。为此,研究人员提出了Conditional Generative Adversarial Network(简称CGAN),CGAN的图像生成过程是可控的。本文包含以下3个方面:(1)CGAN原理分析(2)pytorch实现CGAN(3)视觉结果和损失函数曲线CGAN的思转载 2020-06-16 14:12:53 · 13177 阅读 · 3 评论 -
生成对抗式网络 GAN及其衍生CGAN、DCGAN、WGAN、LSGAN、BEGAN介绍
一、GAN原理介绍学习GAN的第一篇论文当然由是 Ian Goodfellow 于2014年发表的 Generative Adversarial Networks(论文下载链接arxiv:[https://arxiv.org/abs/1406.2661] ),这篇论文可谓这个领域的开山之作。GAN的基本原理其实并不复杂,模型通过框架中两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。这里以生成图片为例进行说明。假设转载 2020-06-16 14:28:33 · 3610 阅读 · 0 评论 -
minist数据下的pytorch搭建GAN
简介:本文使用的数据集为开源的minist数据集。数据集中为黑底白字的手写字图片。但是代码中只是将生成的图片保存至本地的,但未处理保存训练的模型。代码如下:import argparseimport osimport numpy as npimport mathimport torchvision.transforms as transformsfrom torchvision.utils import save_imagefrom torch.utils.data import Da原创 2020-06-16 10:01:32 · 520 阅读 · 0 评论