happyday_d的博客

【文章阅读】【超解像10】–Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文链接：https://arxiv.org/abs/1609.04802code(tensorflow)：https://github.com/tensorlayer/srgan本文将GAN网络...

GAN学习总结三-Pytorch实现利用GAN进行MNIST手写数字生成​ 从代码的角度理解GAN网络的实现及相关细节,加深自己的理解.整个实现过程如下:导入相关库import torchfrom torch import nnfrom torch.autograd import Variableimport torchvision.transforms as tfsfrom ...

GAN学习总结二本文从理论角度总结一下GAN的理论，主要参考李宏毅老师的GAN课程，可参考GAN完善理论推导与实现；​ 如下图 Generator是一个network，从Normal的分布中取出数据z送入G中，产生出x，x=G(z)x=G(z)x=G(z);当输入很多的数据时，产生出一个分布PG(x)P_G(x)PG​(x) 目的是使得该分布与Pdata(x)P_{data}(x)Pdata​...

GAN学习总结一​ GAN（Generative Adversarial Network）生成式对抗网络，由Ian Goodfellow 首先提出，是近两年来最热门的东西，仿佛什么都可以利用GAN来产生，最近在进行图像超解像相关工作，也看到了利用GAN进行超解析相关工作，看了一些资料和李弘毅老师的视频，做一些学习笔记，后续能温故而知新。1.什么是GAN？​ GAN启发自博弈论中的二人零和博弈...

机器学习中的熵的理解​ 熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度，在信息论里，熵是相对不确定的测量，熵越高，则能传输的信息就越多，熵越低，则能传递的信息就越低。信息熵​ 熵 (entropy) 这一词最初来源于热力学。1948年，克劳德·爱尔伍德·香农将热力学中的熵引入信息论，所以也被称为香农熵 (Shannon entropy)，信息熵 (information entr...