机器学习
关注
分享
扫一扫
EmoryChang
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
GAN（上集：概念讲解以及理论和WGAN——关于训练的G* 的定义转换即类似损失函数的选取，包含KL、JS、推土机距离的对比）
GAN的主要应用目标： 生成式任务（生成、重建、超分辨率、风格迁移、补全、上采样等） GAN的核心思想：生成器G和判别器D的一代代博弈 生成器：生成网络，通过输入生成图像 判别器：二分类网络，将生成器生成图像作为负样本，真实图像作为正样本 learn 判别器D： 给定G，通过G生成图像产生负样本，并结合真实图像作为正样本来训练D learn 生成器G： 给定D，以使得D对G生成图像的评分尽可能接近正样本作为目标来训练G G和D的训练过程交替进行，这个对抗的过程使得G生成的图像越来越逼真，D原创 2022-04-28 02:21:01 · 408 阅读 · 0 评论 -
Self-attention详解——台大李宏毅教授课程
原创 2022-04-19 15:21:26 · 311 阅读 · 0 评论 -
损失函数——自学笔记
原创 2022-04-05 16:13:19 · 202 阅读 · 0 评论