LilyNothing的博客

转自：http://blog.youkuaiyun.com/a1154761720/article/details/51020105这篇文章是结合对抗网络框架与深度学习技术解决domain adaptation应用的一个工作。具体而言，在这个框架中对三个部分进行训练：一个是feature extractor，这个是用于提取特征的，一般由卷积层与pooling层组成；另一个是label classifi

基于要拿神经网络要做艺术性的工作，所以想借鉴一些google的magenta项目，具体的安装其实最简单的方式就是使用conda（anaconda这个软件）。按照官网给出的安装方法其实也就可以安装完成了，但是由于目前版本的问题，所以需要记录一下。截止目前（2017.11.7），官网的magenta的版本是v0.3.2，而且需要注意的是这个版本里面要求的tensorflow或者tensorflow-gp

一、卷积操作关于卷积操作，个人理解就是用一个filter（m*m）的，去对原来的图像进行相乘相加运算。之前的DNN里面讲到的weight其实就是对应着这里的filters。所以也需要网络自己根据训练情况进行修改。卷积操作里面的两个要点：参数共享：意思就是一个filter划过一整张图片。局部链接：就是随机或者固定的选择一些神经元进行链接。不连接全部（因为计算量太大）。DNN中的Dropout变种（