![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
SusanZhang1231
过好每一天,开心
展开
-
迁移学习基础
读A survey on Transfer Learning后的一些想法,仅供参考,若有错误还希望与大家多多交流。1.什么时候需要进行迁移学习:目前大多数机器学习算法均是假设训练数据以及测试数据的特征分布相同。然而这在现实世界中却时常不可行。例如我们我们要对一个任务进行分类,但是此任务中数据不充足(在迁移学习中也被称为目标域),然而却又大量的相关的训练数据(在迁移学习中也被称为源域),但是此训练数据原创 2017-06-14 16:50:23 · 38950 阅读 · 1 评论 -
学习笔记:生成对抗网络(Generative Adversarial Nets)(附代码)
同时训练两个模型:(1)生成模型G,不断捕捉训练库里真是图片的概率分布,将输入的随机噪声转变成新的样本(即假数据),使其像是一个真的图片。(2)判别模型D,用来估计一个样本来自训练数据的概率,即它可以同时观察真是和假造的数据,并判断这个数据的真假(这个数据是不是从数据集中获取的图片)。在训练的过程中让两个网络互相竞争。刚开始的时候这两个模型均未经过训练,然后生成模型产生一张假数据欺骗判别模型,判别模原创 2017-06-22 14:52:56 · 5858 阅读 · 0 评论