小木的博客

写在前面的话真是觉得数学决定了人工智能的上限，不得不佩服数学专业的大佬，WGAN还是比较经典的GAN网络，其结果也蛮好的（跑的MNIST数据集），但是损失看了代码也没看懂咋算的，所以还是得从数学原理上详细推导一下，然而很多博客一知半解，有幸看到介绍很完善的推导，尝试记录一些学习理解到的内容，能力有限，如有理解错误还请指出，不胜感激。1. 范数L-P范数，p可以为任意自然数Lp=∣∣x∣∣p=∑i=1nxipp ,x=(x1,x2,…,xn)L_p = ||x||_p = \sqrt[p]{\sum_

写在前面的话GAN是新发展起来而且发展迅速的领域，由于我也是初步调研，因此结合《生成对抗网络入门指南》这本书以及一些该领域发展历程具有重要意义的一些论文进行介绍，尽可能对GAN有一个初步的了解。主要包括：GAN，一些数学基本概念，cGAN，DCGAN，InfoGAN，Improved Techniques for Training GANs，Pix2Pix，WGAN，Progressively Growing of GANS，StackGAN，CycleGAN，SAGAN，最后再总结。目前很多GAN的相关

写在前面的话： 记录视频编码课程的内容，都是为了学习巩固，有什么不对的地方还希望各位大佬指正出来，不胜感激。介绍较少，主要是方便自己回顾。上课不想听课学习所以陪舍友看论文，回想视频编码内容发现忘了不少有用的东西，所以还是记录一下，担心以后报告没了看自己写的代码都已经看不懂了。前两次实验的内容已不想再整理，这个实验花费的精力确实不少，不过收获也不少。文中的两张原理图来自课程中的PPT。文末附部分关键的代码，仅作参考，详细代码请去我的资源区下载吧，不然孩子也没有积分下载一些东西，仅需2积分，所有内容仅供学习使