自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 pytorch在Linux下安装方法

pytorch在Linux下安装方法 1. 安装anaconda 官网下载安装包(选择系统后下载对应的包): anaconda 下载包后会得到一个名为类似“Anaconda2-5.2.0-Linux-x86_64.sh”的文件。 找到安装包下载的路径,终端定位在安装包的路径,我的在Downloads文件夹下,运行以下代码。 接下来使用命令: cd ~/Downloads #返回安装包路径 b...

2020-01-06 15:32:45 3534

原创 DCGAN

深度卷积生成对抗网络(DCGAN) •提出并评估了卷积GAN的体系结构拓扑上的一组约束,这些约束使它们在大多数情况下都能稳定地训练。 将此类架构命名为深度卷积GAN(DCGAN) •使用训练有素的鉴别器来进行图像分类任务,显示与其他无监督算法的竞争性能。 •将GAN所学习的过滤器可视化,并根据经验表明特定的过滤器已学会绘制特定的对象。 •我证明了生成器具有有趣的矢量算术特性,可以轻松操纵生成样本的...

2019-12-07 22:40:13 1900 1

原创 对抗生成网络(GAN)

对抗生成网络(GAN) 摘要: 我们提出了一个通过对抗过程来估计生成模型的新框架,在该框架中,我们同时训练了两个模型:捕获数据分布的生成模型G和估计样本来自训练数据的概率的区分模型D, G的训练过程是使D犯错的可能性最大化。 该框架对应于minimax两人游戏。 在任意函数G和D的空间中,存在唯一的解决方案,其中G恢复训练数据分布,并且D各处都等于1/2。 在G和D由多层感知器定义的情况下,整个系...

2019-12-07 22:03:45 1223

原创 random() 函数, python

python中常见的random() 函数(一) random(): random.seed(a=None): 初始化随机数生成器的内部状态,即设置随机种子使得程序每次运行随机数序列保持一致 random.getstate() 返回一个捕获生成器当前内部状态的对象。 可以将此对象传递给setstate()以恢复状态。 random.setstate(state) 应从先前对getstate()的调...

2019-12-05 16:14:30 707

原创 Sampling Generative Networks-2016

Sampling Generative Networks-2016 (抽样生成网络) 摘要: 我们介绍了几种用于采样和可视化生成模型潜在空间的技术。 用球面线性插值替换线性插值可防止与模型的先前分布产生偏差,并产生更清晰的样本。 引入了J-图和MINE网格,作为类比和最近邻居创建的流形的可视化。 我们演示了两种用于导出属性向量的新技术:具有数据复制的偏差校正向量和具有数据增强的合成向量。 提出了使...

2019-11-24 08:40:29 416

原创 IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING(Bingio-ICLR2017)

IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING(Bingio-ICLR2017) 通过消噪特征匹配改进生成式对抗网络 摘要: 我们提出了一种针对生成对抗网络的增强训练程序,旨在通过将生成器引导至抽象鉴别器特征的可能配置来解决原始缺陷。 我们使用降噪自动编码器估算并跟踪从数据计算出的这些特征的分布,并...

2019-11-23 16:05:25 478

原创 Improved Techniques for Training GANs(Goodfellow)

Improved Techniques for Training GANs(Goodfellow)–2016 摘要: 我们介绍了适用于生成对抗网络(GAN)框架的各种新的体系结构功能和培训程序。 我们专注于GAN的两个应用:半监督学习和人类视觉上逼真的图像生成。 与大多数有关生成模型的工作不同,我们的主要目标不是训练对测试数据分配高可能性的模型,也不是要求模型能够在不使用任何标签的情况下很好地学习...

2019-11-23 15:22:59 288

原创 MODE REGULARIZED GENERATIVE ADVERSARIAL NETWORKS (Bengio-ICLR2017)

MODE REGULARIZED GENERATIVE ADVERSARIAL NETWORKS (Bengio-ICLR2017) (模式正则化的生成对抗网络) 摘要: 尽管生成对抗网络在各种生成任务上都达到了最新的结果,但它们被认为是高度不稳定的,容易丢失模式。 我们认为GAN的这些不良行为是由于高维空间中受过训练的鉴别器的特殊功能形状导致的,这很容易使训练陷入困境或将概率质量朝错误的方向推向...

2019-11-23 15:22:34 263

原创 EBGAN

EBGAN–2016 ENERGY-BASED GENERATIVE ADVERSARIAL NETWORK(LeCun_1609.03126v2) (基于能量的生成对抗网络) 摘要: 我们引入了“基于能量的生成对抗网络”模型(EBGAN),该模型将鉴别器视为一种能量函数,该函数将低能量与数据流形附近的区域关联,并将高能量与其他区域关联。 与概率GAN相似,训练生成器以产生具有最小能量的对比样本,...

2019-11-22 22:13:44 493

原创 pytorch安装(win10)

@TOC pytorch安装(win10) 1.安装python 2.安装anaconda 3.安装Nvidia显卡驱动 4.根据Nvidia显卡版本安装适配的cuda 5.根据python版本和cuda版本安装pytorch 功能快捷键 撤销:Ctrl/Command + Z 重做:Ctrl/Command + Y 加粗:Ctrl/Command + B 斜体:Ctrl/Command + I...

2019-10-27 17:40:43 283

原创 time() 库的使用

time()库: 计算机时间的表达 提供获取系统时间并格式化输出功能 提供系统级精确计时功能,用于程序性能分析 三类函数: 时间获取:time(), ctime(), gmtime() 时间格式化:strftime(), strptime() 时间计时:sleep(), perf_counter() 1.时间获取: 时间获取 time() 获取当前的时间戳,即计算机内部的...

2019-07-26 16:06:05 312

原创 Python字符串的操作集锦

Python基本语法元素: -缩进,变量,注释,命名,保留字 -数据类型,字符串,整数,浮点数,列表 -赋值语句,分支语句,函数 -input(), print(), eval(), print()格式化 十进制 1011,99,-217 二进制 以0b或0B开头:0b110, -0B101 八进制 以0o或0O开头:0o567, -0O457 十六进制 以0x或0X开头...

2019-07-25 22:24:45 125

原创 turtle库的使用

turtle库: python3.6版本中后引入的一个简单的绘图工具,叫做海龟绘图(Turtle Graphics),turtle库是python的内部库,使用导入即可 import turtle turtle绘图的基础知识: 1. 画布(canvas) 画布就是turtle为我们展开用于绘图区域, 我们可以设置它的大小和初始位置 1.1 设置画布大小 turtle.screensize(can...

2019-07-23 17:39:44 245

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除