【CS231n】十三、生成模型(Generative Models)

本文介绍了生成模型,包括PixelRNN、PixelCNN、变分自动编码器(VAE)和生成对抗网络(GAN)。重点讲解了VAE的密度函数、损失函数以及GAN的博弈训练过程,展示了生成模型在无监督学习中的应用。

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

一、概览
【CS231n】十三、生成模型(Generative <wbr>Models)

二、生成模型
定义:无监督学习的一个核心问题,给定具有特定密度分布的数据,想要生成同样密度分布的数据。

分类:
【CS231n】十三、生成模型(Generative <wbr>Models)

三、PixelRNN 和 PixelCNN
(1)首先定义一个likelihood函数,
【CS231n】十三、生成模型(Generative <wbr>Models)

(2)PixelRNN的方法:
从角落的一个像素开始向周围的像素推理,每一个像素的likelihood由周围的决定。
问题在于是串行生成,速度很慢。
【CS231n】十三、生成模型(Generative <wbr>Models)

(3)PixelCNN的方法:
通过已生成的区域像素,通过卷积的方式产生新的像素。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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