李宏毅老师-生成式对抗网络（GAN）Part2

最新推荐文章于 2024-10-16 01:06:03 发布
最新推荐文章于 2024-10-16 01:06:03 发布
阅读量137 收藏
点赞数
文章标签： 深度学习 机器学习 python
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_46675905/article/details/124604753
版权
本文是李宏毅老师关于生成式对抗网络（GAN）的第二部分讲解，适合对深度学习感兴趣的研究生和研究人员。通过本文，你将深入理解GAN的工作原理及其在机器学习中的应用。
摘要由CSDN通过智能技术生成

慢慢来，会更好！
大家好，我是一个想研究又不会研究的研究生
陪伴大家一起学习成长！

接下来，我们就要继续学习GAN的理论知识
为什么Generator与Discriminator的互动可以让Generator产生像是真正人脸的图片

我们先弄清楚训练的目标到底是什么？
就是找一个Generator里面的参数来使G*越小越好

但是如何计算divergence呢？
因为这些divergence用在distribution上面要做几乎不知道怎么算的积分，我们不能算出divergence
这就是GEN所遇到的问题

在这里插入图片描述

神奇的是，我们只知道sample出Pg和Pdata的情况下，居然就估测出了divergence

在这里插入图片描述

Discriminator的目标就是看到real data给比较高的分数，看到Generator给比较低的分数  
分辨真图和生成图

最低0.47元/天 解锁文章
想研究又不会研究的研究生
关注
李宏毅机器学习作业6-使用GAN生成动漫人物脸
iwill323的博客
11-17 2697
使用GAN生成动漫人物脸
keras实现-台大李宏毅深度学习作业HW3-基于CNN（卷积神经网络）的面部表情识别
weixin_42386003的博客
07-24 1923
一、项目说明： 对已有的数据集 train.csv,使用CNN来判断每一个样本图片判断出表情。这个数据集总共有7种标签，对应不同的表情。分别是：0代表生气，1代表恶心，2代表恐惧，3高兴，4难过，5惊讶，6木讷。可处理为多分类问题。 数据集介绍： （1）该数据集为一个CSV文件，是一个28710行,2305列的数据。 （2） 第一行为描述信息，“label“和“feature“，剩下的每一行都是样本。 （...
PyTorch 生成动漫人物头像 CGAN(李宏毅)
qq_57886603的博客
12-09 7681
一、GAN简介 GAN由生成器(Generator)和判别器(Discriminator)组成，生成器负责生成假的图片来骗过判别器，而判别器需要不断从真实图片上学习特征来提高自己的判别能力。 GAN本质是一个博弈的过程，首先生成器G将输入的随机噪声通过神经网络生成一张图，判别网络D会对G生成的假图进行打分(分值越接近0表示图片越假，越接近1表示图片越真)，从而引导G生成更真的图(既然判别器D要引导生成器G变得更好，那么D的判别能力起到至关重要的作用，因此判别器D也在不断学...
【机器学习】李宏毅——生成式对抗网络GAN
FavoriteStar的博客
09-17 1793
本文非常详细的介绍什么是生成式对抗网络GAN，以及GAN内部的实现原理，包括各种GAN的训练技巧和变形等等内容。
李宏毅机器学习GAN作业之动漫头像生成记录
weixin_46025710的博客
04-01 267
生成对抗网络
李宏毅老师-生成式对抗网络（GAN）Part1
weixin_46675905的博客
05-06 477
慢慢来，会更好！ 大家好，我是一个想研究又不会研究的研究生 陪伴大家一起学习成长！ 我们以前学习到的network可以输出一个数值、类别等 接下来，我们要接触一些新的主题 **network as Generator** 以前是input只有x，现在我们加入进来一个z，这个z是从某一个distribution simple出来的 我们要input x与z 才能输出y，那network怎么同时接受x与z呢 有很多方法，比如x与z都是向量可以接起来或者维度相同的话相加当做input z特别的地方是不固定
李宏毅老师-生成式对抗网络（GAN）Part3
weixin_46675905的博客
05-06 180
慢慢来，会更好！ 大家好，我是一个想研究又不会研究的研究生 陪伴大家一起学习成长！ 但是，关于GAN train的挑战还在继续 Generator和Discriminator 只要其中一者停下来或者发生错误，那么另外一者也会失败的 GAN生成一段文字是最困难的 Decoder调整参数想办法让Discriminator产生的score最高 但是你会发现，做不到 大家都知道微分的时候是，某一个参数改变了，会影响output，从而更新该参数 当Decoder参数发生微小变化的时候，分数最大的那个toke
李宏毅 -生成对抗网络GAN课件 234页
11-30
生成对抗网络（GAN）是由Ian Goodfellow于2014年提出的一种深度学习模型。它的主要思想是通过让两个神经网络模型，一个是生成器（Generator），另一个是判别器（Discriminator），相互对抗来达到学习的目的。 生成...
李宏毅GAN课程讲义、生成式对抗网络课件
09-30
**李宏毅GAN课程讲义、生成式对抗网络课件** 生成式对抗网络（Generative Adversarial Networks，简称GANs）是由Ian Goodfellow在2014年提出的一种深度学习模型，它通过两个神经网络——生成器（Generator）和判别...
【学习笔记-李宏毅】GAN（生成对抗网络）全系列（一）
iioSnail的博客
07-06 3341
前言 相关链接 1. Introduction 1. 1 Basic Idea of GAN 1.2 GAN as structured learning 1.3 Generator可以自己学吗？ VAE（Variational Auto-encoder） 2. CGAN, Conditional Generation by GAN 2.1 discriminator的架构改进 2.2 Stack GAN 2.3 Image-to-image 2.4 Speech Enhancement（提升语音的质量）
【李宏毅2021机器学习深度学习】6-1 生成式对抗网络GAN1 基本概念介绍
py今天刷题了吗
12-17 1650
文章目录6-1 基本概念介绍Generator 是输出一个`分布`当任务需要“创造性”的时候（更精确的表述：相同的输入有不同的输出）就需要Generator 了一张图片就是非常`高维的向量`Discriminator架构也是自己设计的，可以是CNN，也可以是Transfomer，只要能产生符合的输入输出Generator 和 Discriminator的相爱相杀作业：动画人脸生成（50000次update... 恐怖如斯）更多的应用：真实人脸GAN有什么用呢？（可以产生 `没见过`的人脸，做插值）GAN的产
【Keras】 基于GAN自动生成动漫头像
热门推荐
wk_119的博客
03-17 1万+
最近在学深度学习，了解到了GAN，不得不说，GAN真的是一个神奇的工作。做这个的理由也是因为看了李宏毅老师的课程，这就是其中的一个课后作业——利用GAN生成动漫头像（这个也太酷了吧，燃烧中二之魂~）。 ...
Pytorch:GAN生成对抗网络实现MNIST手写数字的生成
lwf1881的博客
11-15 2737
github：https://github.com/SPECTRELWF/pytorch-GAN-study 个人主页：liuweifeng.top:8090 网络结构 最近在疯狂补深度学习一些基本架构的基础，看了一下大佬的GAN的原始论文，说实话一头雾水，不是能看的很懂。推荐B站李宏毅老师的机器学习2021的课程，听完以后明白多了。原始论文中就说了一个generator和一个discriminator的结构，并没有细节的说具体是怎么去定义的，对新手不太友好，参考了Github的Pytorch-Gan-ma
深度学习作业——使用GAN（对抗神经网络）动画人脸生成（Pytorch实现）
m0_72806612的博客
10-01 478
self.deconv2 = nn.ConvTranspose2d(128, 64, kernel_size=4, stride=2, padding=1) # 输出：64*32*32。self.deconv3 = nn.ConvTranspose2d(64, 3, kernel_size=4, stride=2, padding=1) # 输出：3*64*64。# 进行产生器以及分辨器的实例化，并且定义损失函数和优化器，损失函数采用BCEloss,优化器采用Adam。跟着无神学机器学习。
【李宏毅】深度学习-2021HW3-CNN（图像分类）
m0_51474171的博客
11-11 1624
device = get_device() os . makedirs('models' , exist_ok = True) # 保存训练模型 model = Classifier() . to(device) config = {'lr' : 0.0001 , # 学习率 } , 'save_path' : 'model.pth' , 'early_stop' : 200 , 'val_traio' : 0.2 }
R2：RNN-心脏病预测
u012249506的博客
10-11 879
左图：训练与验证准确率训练集的准确率（蓝色线）：随着训练次数增加，呈现出平稳上升趋势，最终接近0.92左右，说明模型在训练数据上的拟合效果逐渐变好。验证集的准确率（橙色线）：一开始随着训练迭代次数增加，验证准确率也在提升，但在约20次迭代后，准确率趋于平稳，甚至有一些波动，特别在50次之后，表现出明显的下降和上升不稳定现象。右图：训练与验证损失训练集损失（蓝色线）：损失随着迭代次数逐渐下降，这表明模型在训练集上不断优化，误差减少。
【深度学习】经典的深度学习模型-01 开山之作：CNN卷积神经网络LeNet-5
10-12 447
Note: 草稿状态，持续更新中，如果有感兴趣，欢迎关注。。。
基于深度学习的车辆车型检测识别系统（YOLOV5）
最新发布
ANDROID6666666的博客
10-16 368
本项目旨在开发一个基于深度学习的车辆识别系统，采用先进的yoloV5网络架构，以实现对不同车型的精准识别。系统开发环境选用Pycharm集成开发环境，并结合Anaconda进行环境管理和包依赖的配置。为了确保系统的稳定性和高效性，我们选择了Python 3.8作为开发语言，并集成了opencv、PyQt5以及torch1.9等关键库和框架。在数据方面，准备了总共9000张图片，其中8000张用于训练模型，剩余的1000张用于测试模型的性能。
深度学习 shape 属性
2302_79865304的博客
10-13 259
在 MXNet 的ndarray中，shape属性用于获取数组的维度信息。它返回一个表示数组各维度大小的元组，可以帮助了解数据的结构和形状。
李宏毅教授详解生成式对抗网络在图像超分辨率等领域的应用
李宏毅老师的最新介绍为我们揭示了这些技术的前沿应用，旨在提升图像质量并解决如何仅凭低分辨率（LR）图像生成高分辨率（HR）图像的问题。 一项关键的应用是"Photo-Realistic Single Image Super-Resolution Using...
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