[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）

最新推荐文章于 2025-07-10 11:44:20 发布
最新推荐文章于 2025-07-10 11:44:20 发布
阅读量2k 收藏 5
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 机器学习 机器学习入门 文章标签： 机器学习 深度生成模型 生成学习
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.youkuaiyun.com/soulmeetliang/article/details/73730900
本文介绍了为何使用变分自编码器(VAE)而非普通的自动编码器，并探讨了如何利用VAE估计概率分布，将其视为高斯混合模型的分布式表示。通过NN作为函数来找到μ(z)和σ(z)，训练出解码器和编码器，最大化已有图像的似然性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）

PDF VIDEO

Why VAE?

用VAE，从code space上去sample一个code，能得到一个比较好的image，而auto encoder可能得不到。

这里写图片描述

将code加上了noise，而variance决定了noise的大小，variance是train出来的。variance要做一些限制，否则就会是0，所以就要用Minimize。

最低0.47元/天 解锁文章

200万优质内容无限畅学
机器学习 李宏毅 L28L29-Deep Generative Model
okgagaga的博客
02-02 1257
生成模型1： Pixel RNN 产生图像时，每次产生一个像素点。也就是，训练一个网络，输入为一个三维的vector，输出为另外一个三维的vector。可以使用Pixel RNN进行图像生成、语音生成等。 如果需要练习，可以提供该课程提供的792个Pokemon突袭那个，图像为20*20大小,数据库地址。实验结果如下图： 生成模型2： VAE (Variational Aut
[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3）
Holeung blog
06-26 1746
[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3） PDF VIDEO 上接part 2，VAE从来没有去学习产生一张看起来能以假乱真的image，它所学到的是：它想要产生一张image，跟database的image越接近越好。它不知道的是，我们在衡量它产生的image和database种image的相似度
看完这篇，才算真正搞懂 AI Agent！李宏毅 2025 第二讲实录
最新发布
2401_85375186的博客
07-10 598
本期是李宏毅「生成式AI时代下的机器学习（2025）」系列课程第二讲《AI Agent》 的全程实录，课程生动讲解了AI Agent的三大核心能力：如何根据经验调整行为、如何使用工具扩展能力、如何制定和执行计划，并涵盖StreamBench、Function Call、PlanBench等前沿研究。
[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1）
Holeung blog
06-22 5951
[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1） PDF VIDEOCreation 据说在费曼死后，人们在他生前的黑板上拍到如图画片，在左上角有道：What i cannot create ,I do not understand. Generative models,就是在做创造的事情。 Imag
李宏毅机器学习-
m0_49376775的博客
06-13 3350
李宏毅机器学习-1-机器学习介绍
李宏毅 机器学习
qq_61833632的博客
08-11 1272
李宏毅机器学习，学习笔记记录——P2机器学习基本概念（下）、深度学习基本概念（上）
[机器学习入门] 李宏毅机器学习笔记-5（Classification- Probabilistic Generative Model；分类：概率生成模型）
Holeung blog
06-04 6934
[机器学习] 李宏毅机器学习笔记-5（Classification: Probabilistic Generative Model；分类：概率生成模型）ClassificationHow to do ClassificationIdeal Alternatives Gaussian Distribution Probability from Class 那么怎样找到这个Gaussion f
Generative Model（李宏毅）机器学习 2023 Spring HW6（Boss Baseline）
m0_66773231的博客
01-06 1489
而DDIM的逆向过程是确定性的，这意味着它可以跳过许多步骤，在更少的迭代中生成高质量的图像。第二个组件是生成模型，通常是扩散模型，它接收噪声和来自文本编码器的输出，生成一个中间结果，通常是图像的压缩版本。逆向过程是确定性的并且是隐式建模的，这意味着与DDPM不同，DDIM不需要在每一步进行采样，而是通过修改调度来在较少的时间步中生成图像。去噪过程从一张完全噪声的图像开始，逐步减少噪声，直到生成一张清晰的图像。生成器的目标是创造尽可能真实的数据（如图像），而判别器的任务是判断数据是真实的还是由生成器生成的。
李宏毅机器学习（1）
Baigker的博客
06-08 241
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
李宏毅机器学习（一）
weixin_45810450的博客
10-30 2779
李宏毅机器学习（一） 仔细算算，自己学习深度学习也有一段时间了，陆陆续续做了一些项目，但是从去年开始入门到现在，总感觉底层的很多知识原理非常模糊。 最开始接触AI，是因为项目需要，当时时间紧迫来不及从机器学习一步一步开始，就直接从深度学习开始了。 初次接触的是吴恩达老师的深度学习，当时觉得对神经网络的理解还算可以，现在想想还是略微草率。所以最近重新开始学习机器学习，在看了李宏毅老师的机器学习之后，深感佩服，老师的切入点和突破口总是独树一帜，也因此我在很多地方茅塞顿开，对于底层的很多地方有所见解，所以准备将上
李宏毅机器学习作业
01-18
李宏毅机器学习作业，文档文件，笔记全面，总结充分，仅供学习
【学习笔记】李宏毅-机器学习MachineLearning
usernameisnotexist的博客
10-07 2188
参数，表示蓝色function的个数。i 越大说明红色curve转折点越多，越逼近真实曲线。将上图的蓝框式子用图展开表示：其中r为x的线性组合，激活函数输入前的形式。r 的三个长表达式可以用矩阵简化成一个式子：图底部的颜色小方块。注意形状代表矩阵格式。所以虚线框和红框内容等价。都是为了计算 r = b+wx计算出r1，r2，r3后，分别通过sigmoid function，得到a1，a2，a3。直接用 a =σ（r）表示。
机器学习（李宏毅）——Meta Learning
Dlog的博客
03-06 1070
机器学习（李宏毅）——Meta Learning
李宏毅机器学习_Transformer
m0_68477761的博客
07-23 703
本周，我学习了一种强大的深度学习模型，名为Transformer。可以把Transformer看作是一种“翻译机”，它能够读取一种语言的文本（例如英文），然后用另一种语言（例如中文）生成相同的含义。Transformer的核心理念是“注意力机制”。像我们人类阅读文本时更关注某些词语，Transformer也会对输入数据中的重要部分给予更多关注。这使得模型能够更好地理解上下文关系，从而生成更准确的输出。让Transformer更特殊的是其“自注意力”（Self-Attention）机制。
李宏毅机器学习——Deep learning
qq_27436347的博客
04-19 245
历史 1958年：感知机（线性模型） 1980s：多层感知机 1986：Backpropagation 1989：1 hidden layer is “good enough”，why deep？ 2006：受限玻尔兹曼机（突破） 2009：GPU STEP define a set of function 给定网络结构，相当于定义函数集 得到参数后一个network就是一个function...
机器学习（李宏毅）——Transformer
Dlog的博客
02-11 1376
机器学习（李宏毅）——transformer笔记
李宏毅机器学习——学习笔记（18）Support Vector Machine（SVM）
m0_37757740的博客
04-11 515
Hinge Loss + Kernel Method 就是SVM。 hinge loss 进行二分类的过程中，采取sigmoid和cross entropy的原因是gradient descent的梯度很大，利于参数调整。 Hinge loss function就是： 图中的紫色段，hinge loss 和cross entropy的差别在于对于预测准确后的样本的奖赏程度。 Linear SV...
李宏毅机器学习 Machine_Learning_2019_Task1
weixin_36466478的博客
05-13 523
学习任务： 目录： 一、了解什么是Machine learning 二、中心极限定理、正态分布、最大似然估计 三、Loss Function 四、泰勒展开 五、L2-Norm，L1-Norm，L0-Norm 一、了解什么是Machine learning 机器学习简而言之就是找到一个function，根据输入得到想要的输出。 一种经常引用的英文定义是：A computer program is s...
评论 3
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