生成对抗网络
关注
分享
扫一扫
夏洛的网
这个作者很懒，什么都没留下…
展开
-
生成对抗网络学习笔记5----DCGAN（unsupervised representation learning with deep convolutional generative adv）的实现
首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址——以下，开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南:所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。在生成网络和判别网络上使用批处理规范化。对于更深的架构移除全连接隐藏层。在生成网络的所有层上使用RelU激活函原创 2017-07-05 21:49:19 · 52469 阅读 · 181 评论 -
生成对抗网络学习笔记4----GAN（Generative Adversarial Nets）的实现
首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址 2、参考博客2：地址——以下，开始正文。1、GAN的简单总结见上一篇博客。2、利用GAN生成1维正态分布首先，我们创建“真实”数据分布，一个简单的高斯分布，均值为4，标准差为0.5,。还有一个样本函数，返回分布中给定数量的样本（按值排序过）。class DataDistribution(object): def __init__(原创 2017-06-30 11:38:37 · 2780 阅读 · 8 评论 -
生成对抗网络学习笔记3----论文unsupervised representation learning with deep convolutional generative adversarial
论文原文：地址论文译文：地址1、阅读论文Radford A, Metz L, Chintala S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer Science, 2015.2、翻译论文摘要近年来，使用卷积神经网络的监督学习被大量应用原创 2017-06-20 16:45:16 · 33361 阅读 · 7 评论 -
生成对抗网络学习笔记2----GANs（Generative Adversarial Nets）总结
原文地址：GANs翻译地址：生成对抗网络此文是对论文Generative Adversarial Nets读后的一个总结。参考博客1：地址 参考博客2：地址 参考新闻3：地址 参考Twitter4：地址1、简单总结GAN是一个极大极小博弈问题，网络中分为两个模型，一个生成模型G，作为生成器，用来生成与真实数据x极为相似的含有噪音z的数据；一个判别模型D，作为判别器，用来判别数据中哪些是真实数据原创 2017-06-20 11:43:47 · 8250 阅读 · 0 评论 -
生成对抗网络学习笔记1----论文Generative Adversarial Nets
1、阅读论文：Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]// International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.论文地址：GANs2、翻译论文摘要我们原创 2017-05-26 10:28:03 · 16702 阅读 · 7 评论