![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 93
看星星的花栗鼠
这个作者很懒,什么都没留下…
展开
-
李宏毅对抗生成网络 (GAN)教程(5)Evaluation
为什么likelihood不行传统衡量generator的方法是算generator产生的数据的likelihood。给一些generator在训练时没有观察过的真实数据,计算产生这些数据的likelihood。但在GAN中无法计算产生某一种特定结果的几率,因为数据是通过复杂的神经网络生成的,而不是简单的分布。核密度估计Kernel Density Estimation这种情况下无法判断需要生成多少个点才能估计分布,在实际应用中也会出现问题。likelihood本身也未必代表输出的质量:如果原创 2022-05-13 22:40:32 · 470 阅读 · 0 评论 -
李宏毅对抗生成网络 (GAN)教程(4)Tips for GAN (WGAN EBGAN)
在李宏毅GAN教程(3) 的基础上增添修改内容文章目录JS散度不是很适合LSGANEBGANLSGAN(Loss-sensitive GAN)仍然存在的问题GAN for Sequence Generation为了让GAN容易训练JS散度不是很适合最原始的GAN量的是Pg和Pdata之间的JS散度;但是有一个严重的问题:可能两个分布没有任何的重叠,一方面的原因是由于image在高维空间中的分布其实是低维的流形(二维平面折叠在三维空间中),高维空间中的低维流形几乎是可以忽略的,高维空间中随意抽样只有非原创 2022-05-11 23:31:34 · 429 阅读 · 0 评论 -
李宏毅对抗生成网络 (GAN)教程(3)Unsupervised Conditional Generation
之前做的是 supervised,收集了很多图片和对应的文字本节是unsupervised 的,收集不到他们之间的link原创 2022-05-11 02:40:53 · 537 阅读 · 0 评论 -
李宏毅对抗生成网络 (GAN)教程(2) Conditional Generation by GAN
李宏毅GAN教程第二部分,Conditional Generation by GAN原创 2022-05-11 02:33:45 · 426 阅读 · 0 评论 -
李宏毅对抗生成网络 (GAN)教程(1)Introduction
视频链接:https://www.bilibili.com/video/BV1tE411Z78A在文章目录Basic idea of GAN生成器Generator判别器Discriminator两者关系一个实际的过程算法过程GAN AS Structure Learning生成器可以自己学习吗?(生成器就是Autoencoder中的decoder)可以的话,单独learn会有什么问题?(输出像素之间独立)判别器为什么不自己学习生成图片?(可以生成但是很卡(很慢))总结经过GAN,都可以解决Basic原创 2022-05-11 02:24:52 · 1305 阅读 · 0 评论