机器学习：Gan 黄教授

最新推荐文章于 2024-04-21 10:28:33 发布
最新推荐文章于 2024-04-21 10:28:33 发布
阅读量305 收藏
点赞数
分类专栏： 机器学习+数学 # 图像生成
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/weixin_44523062/article/details/106417988
版权

问题：监督、生成模型概念

Gan的生成模型和HMM、贝叶斯生成模型的区别

1 train data和generator data 同分布same distribution怎么理解？是经过编码器映射后的特征空间吗

从统计学的角度看generator data 和real data 同分布，学到的是z生成器fake data的分布，会不会有和完全一样的
杂讯的图和real的图不同之处就是数据分布不同，比如说直方图，或者经过D编码到特征空间的分布位置
？？
在这里插入图片描述

2 对数似然函数D，最大化对数似然，G，最小化D(G)为假的(1-D(G))=p概率=0,的log值即：log(1-D(G))。为什么不可以写成min-arg{-log(D(G))} 预测为真的概率P

3 Gan是非监督没有使用数据标签，但是有discrimator 监督反向传播，跟hmm、贝叶斯非监督学习算法的区别

4 Gan的loss可以加入triplet loss，每次real1 real2，real1 fake，

在这里插入图片描述

在这里插入图片描述
Gan的损失函数
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

条件Gan（网络模型上的变化）

在这里插入图片描述

wGan的loss（loss变化）

在这里插入图片描述
SRGan：super resolution Gan 超分辨Gan
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

pix3pix loss

在这里插入图片描述

cycleGan

在这里插入图片描述

AIchiNiurou
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习笔记 - 生成对抗网络 (GAN)概述和入门示例
学以致用 知行合一
04-06 3288
生成对抗网络 (GAN) 是一类功能强大的神经网络，用于无监督学习。它是由 Ian J. Goodfellow 在 2014 年开发和引入的。GAN 基本上由两个相互竞争的神经网络模型组成的系统，它们相互竞争，能够分析、捕获和复制数据集中的变化。 在 GAN 中，有一个生成器和一个鉴别器。生成器生成假数据样本（无论是图像、音频等）并试图欺骗鉴别器。另一方面，鉴别器试图区分真假样本。生成器和判别器都是神经网络，它们在训练阶段都相互竞争。重复这些步骤，在这个过程中，生成器和鉴别器在每次重复......
机器学习-条件GAN-MNIST数据集
03-06
条件GAN可以根据输入的条件生成对应的图像，这个程序是基于MNIST数据集的，可以生成手写数字。
机器学习：Gan（生成对抗网络）
热门推荐
ZwaterZ的博客
05-18 3万+
版权声明：本文为CSDN博主「意念回复」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/weixin_39910711/article/details/123610198 版权声明：本文为CSDN博主「bashendixie5」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/bashendixie5/article/detail.
深度探索：机器学习中的原始GAN（Vanilla GAN）算法原理及其应用
最新发布
qq_51320133的博客
04-21 709
原始GAN作为一种开创性的生成模型，以其无监督学习特性、高质量生成能力和广泛适用性，在诸多领域取得了显著成果。然而，其训练稳定性问题、缺乏定量评估标准以及对超参数的敏感性，仍需研究人员持续探索改进。未来，结合更先进的网络结构设计（如 Wasserstein GAN、Conditional GAN等）、新型训练策略（如谱归一化、一致性正则化等）以及理论分析，有望进一步提升原始GAN的性能和泛化能力，推动其在更多领域的创新应用。
【Mo 人工智能技术博客】机器学习分享——手把手带你写一个GAN
Mo 的博客
01-18 640
GAN 今天让我们从这几方面来探索： GAN能用来做什么 GAN的原理 GAN的代码实现 用途 GAN自2014年诞生以来, 就一直备受关注, 著名的应用也随即产出, 比如比较著名的GAN的应用有Pix2Pix,CycleGAN等, 大家也将它用于各个地方。 缺失/模糊像素的补充 图片修复 …… 我觉得还有一个比较重要的用途， 很多人都会缺少数据集， 那么就通过GAN去生成数据集了， 通过...
机器学习-生成对抗网络(GAN)原理介绍
UCASer
06-25 2309
文章主要讲解了生层对抗网络（GAN）的基本原理以及简单的数学理论，并以全连接层网络形式和卷积神经网络形式（DCGAN）进行了简要说明。
机器学习：机器人的程序编码
04-11
机器学习算法：机器人的程序编码。
机器学习：鸢尾花数据集
08-14
机器学习：鸢尾花数据集
机器学习：基于mobilenet 的分类网络
03-12
机器学习
机器学习：疾病诊断技术方案
02-25
机器学习：疾病诊断技术方案，从获取数据、处理数据、特征提取、接入模型、错误数据分析、逻辑回归、LSTM 到各种常用算法的介绍。
python机器学习教程-从零开始掌握Python机器学习：十四步教程.pdf
06-12
python机器学习教程_从零开始掌握Python机器学习：⼗四步 教程 Python 可以说是现在最流⾏的机器学习语⾔，⽽且你也能在⽹上找到⼤量的资源。你现在也在考虑从 Python ⼊门机器学习吗？本教程或 许能帮你成功上⼿，...
机器学习6-20 黄教授
weixin_44523062的博客
06-14 186
问题 Query learning 是迁移学习，还是半监督学习？这三者之间的关系
【机器学习】什么是GAN 小孩都看得懂的 GAN
daman1985的专栏
12-08 6261
​ GAN 的全称是 Generative Adversarial Network，中文是生成对抗网络。 一言以蔽之，GAN 包含了两个神经网络，生成器（generator）和辨别器（discriminator），两者互相博弈不断变强，即生成器产出的东西越来越逼真，辨别器的识别能力越来越牛逼。 ​
[GAN学习系列] 初识GAN
weixin_34203832的博客
10-24 424
本文大约 3800 字，阅读大约需要 8 分钟 要说最近几年在深度学习领域最火的莫过于生成对抗网络，即 Generative Adversarial Networks(GANs)了。它是 Ian Goodfellow 在 2014 年发表的，也是这四年来出现的各种 GAN 的变种的开山鼻祖了，下图表示这四年来有关 GAN 的论文的每个月发表数量，可以看出在 2014 年提出后到 2016 年相...
（7）机器学习——GAN与GRU
zjj1910066023的博客
05-25 567
一、对抗生成网络（GAN） 可以生成新的图片或数据。或者让计算机生成人脸图片，用于警察寻找犯罪嫌疑人。 生成器目标是生成的东西越真越好，判别器要随着生成器生成的东西，还能判断真假。 二、GRU GRU相比LSTM的门减少了很多。LSTM中有输入门，遗忘门，输出门；GRU里面有更新门与重置门。 更新门更新门帮助模型决定到底要将多少过去的信息传递到未来，或到底前一时间步和当前时间步的信息有多少是需要继续传递的。这一点非常强大，因为模型能决定从过去复制所有的信息以减少梯度消失的风险。重置门重置门主要决
李宏毅机器学习笔记：GAN
chairon的博客
04-15 92
GAN的评估方法 分类器输出概率，但是会导致Mode Collapse（生成数据分布非常相似），这个问题目前还无法解决。Model Dropping：生成的数据多样性不够。多样性：让生成的图片通过分类器输出所有概率分布，再求每个类别的平均概率分布，如果比较集中则多样性不够。 FID:将分类网络softmax输出之前的向量抽象到某一维度（假设服从高斯分布），然后计算与真实数据之间的距离 Conditionnal GAN 通过输入文字和向量Z产生图片，文字限定生成图片属性，训练的文字和图片需要成对 通过
小孩都看得懂的 GAN
weixin_38753422的博客
11-13 1467
全文共6327字，55幅图，预计阅读时间32分钟。本文是「小孩都看得懂」系列的第十八篇，本系列的特点是内容不长，碎片时间完全可以看完，但我背后付出的心血却不少。喜欢就好！小孩都看...
机器学习笔记9_Generative Model(GAN)
爱技术的小白
03-22 739
本文是李宏毅机器学习的笔记，这是第九节，介绍了GAN网络。 文章目录1. GAN概述GeneratorDiscriminator流程2. GAN原理3. Tips for GAN4. Conditional Generation5. Learning from Unpaired Data6. Evaluation of Generation 1. GAN概述 Generator Generator可以利用一个简单的分布数据生成一个复杂的分布数据。 为什么不做成输入和输出相互对应的方式，而要将简单的分布当作
机器学习(八) 生成对抗网络(GAN)
weixin_53598445的博客
01-25 5721
文章目录前言1 GAN1.1 相关介绍1.2 原理1.2.1 网络架构1.2.2 网络训练1.3 用GAN生成图像1.3.1 判别器1.3.2 生成器1.3.3 训练模型2 GAN变种2.1 CGAN2.1.1 原理2.1.2 PyTorch实现2.2 DCGAN2.3 CycleGAN2.4 WGAN3 训练GAN的技巧 前言   在生成对抗网络(Generative Adversarial Network，简称 GAN)发明之前，变分自编码器(VAE)被认为是理论完备，实现简单，使用神经网络训练起来很稳
机器学习gan的损失函数与训练
02-05
生成对抗网络（GAN）是一种机器学习模型，由生成器（Generator）和判别器（Discriminator）组成。GAN的目标是让生成器生成的样本在外观上与真实样本无法区别，判别器则要尽可能准确地区分生成样本和真实样本。 GAN...

“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