GAN学习笔记-李宏毅：GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN

最新推荐文章于 2025-02-13 17:47:13 发布
最新推荐文章于 2025-02-13 17:47:13 发布
阅读量1.8k 收藏 16
点赞数
CC 4.0 BY-SA版权
分类专栏： 阅读笔记 深度学习 文章标签： GAN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_31895943/article/details/85340468

李宏毅老师讲解的GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN

问题：input feature 对output影响不明确这件事；本来假设不同的特性在latent space上的分布是有某种规律性的，但实际上也许它的分布是非常不规则的；因而input feature 对output影响不明确
在这里插入图片描述

InfoGAN

在这里插入图片描述c是有意义的维度，z为随机的；因为某些维度被划分到c中，所以generator强制要求这些维度有意义，让c的每一个维度对output有明确的影响；注意这里的关系是“c->其中的维度有意义”而不是“其中的维度有意义->c”
在这里插入图片描述
在这里插入图片描述

VAE-GAN

最低0.47元/天 解锁文章

200万优质内容无限畅学
李宏毅GAN7-infoGAN,VAEGAN,BIGAN
weixin_41978551的博客
12-09 460
传统的GAN是输入一个向量，输出一张图片。我们希望输入向量的每个特征都能有一定的现实意义，但这不表示容易的。往往输入的向量各维度特征对产生的图片影响不明确的。 conditional GAN就是在训练过程中，采用VAE的方法，为特征富于某些规律。 infoGAN infoGAN的想法就是输入的向量Z可以分解C和Z` 两部分，其中子向量C就是明确地要对输出产生影响的部分。经过generator生成的图片，再经过一个classifier能够解出该图片的表征向量是C。这类似于AE的逆过程(AE将图片编码为一个向量
GAN学习笔记-李宏毅：GAN Lecture 5 (2018): General Framework
qq_31895943的博客
03-06 441
李宏毅老师讲解的 GAN Lecture 5 (2018): General Framework original GAN中使用JS divergence 来衡量real data 和 generated data 之间的divergence，fGAN讲的就是如何用其他类型divergence来衡量两者间的差异，虽然在实做上没有不同的效果 f-divergence 属性：凸函数、f(1)=0...
李宏毅机器学习GAN的笔记
XiaoQiXiaoWei_J的博客
01-27 2947
搜索网页以及视频，对GAN的笔记，仅供参考，加入了很多自己的理解
李宏毅MLDS课程笔记9：Generative Adversarial Network(GAN)
徐子尧的博客
04-23 4387
NIPS 2016 Tutorial: Generative Adversarial Networks [Paper] [Video] tips for training GAN: https://github.com/soumith/ganhacksBasic Idea of GAN1、最大化似然函数等价于最小化PdataP_{data} 与PGP_G 之间的KL散度。如果PGP_G 取的是GM
李宏毅机器学习笔记：GAN
qq_43711697的博客
08-30 4915
前言 主要记录李宏毅机器学习2021中介绍GAN部分的笔记，从GAN的发展开始到GAN的基本理论再到GAN生成的评价方法最后到介绍流行的GAN方法。 一、GAN的基本介绍 GAN的全名是Generative Adversarial Network生成对抗网络，其主要的目的是为了让训练机器让机器能够自主生成相对应类型的图片，其中生成器generator就是GAN中进行生成相对应类似分布的网络，而鉴别器Discriminator就是判别生成器生成是否为真假的网络，鉴别器通过将输入的图像转换成一个判别值来判断真
GAN学习笔记-李宏毅：GAN Lecture1（2018）：Introduction
qq_31895943的博客
03-06 915
李宏毅老师讲解的GAN Lecture1（2018）：Introduction Github上一个总结GAN及其扩展的项目：[the-gan-zoo](https://github.com/hindupuravinash/the-gan-zoo) Outline Basic idea of GAN Basic idea of GAN Generator：a random vector t...
GAN学习笔记-李宏毅：GAN Lecture 3 (2018): Unsupervised Conditional Generation
qq_31895943的博客
03-06 582
李宏毅老师讲解的GAN Lecture 3 (2018): Unsupervised Conditional Generation 类似于风格转化的task 两类方法： 1）直接转：只能进行小改，input和output间差距较小（如颜色或纹理转化） 2）投射到公共空间：input和output间差距较大（真人转化为动画人物） Direct Transformation 存在问题-Ge...
GAN学习笔记-李宏毅：GAN Lecture 2 (2018): Conditional Generation
qq_31895943的博客
03-06 483
李宏毅老师讲解的GAN Lecture 2 (2018): Conditional Generation Conditional Generation: 可以操控要输出的内容，如输入文字产生图片(Text to image) Text to image 1）traditional supervised approach：训练数据是text+image，model产生出的图片都比较模糊，因为是...
GAN学习笔记-李宏毅：GAN Lecture 4 (2018): Basic Theory
qq_31895943的博客
03-06 512
李宏毅老师讲解的GAN GAN Lecture 4 (2018): Basic Theory Generation - find the data distribution
GAN学习笔记-李宏毅：GAN Lecture 9 (2018): Sequence Generation
qq_31895943的博客
03-06 711
李宏毅老师讲解的 GAN Lecture 9 (2018): Sequence Generation Conditional Sequence Generation 用maximize likelihood（也可以称为minimize cross entropy）训练seq2seq model 的问题是training criterion很难选到合适的 by RL improving p...
GAN学习笔记-李宏毅：GAN Lecture 10 (2018):Evaluation & concluding remarks
qq_31895943的博客
03-06 585
李宏毅老师讲解的：GAN Lecture 10 (2018):Evaluation & concluding remarks 怎么评价GAN产生的object是好还是不好？ 传统的方法 传统用likelihood衡量Generator的效果，但是由network构成的generator没有办法知道真实概率分布，只能通过采样 kernel densityestimation：用gau...
李宏毅机器学习L6 GAN
weixin_46524058的博客
09-26 296
L6笔记，无参考价值
​李宏毅机器学习——对抗生成网络（GAN）
iwill323的博客
10-24 2901
​李宏毅机器学习——对抗生成网络（GAN）
李宏毅教授GAN课程笔记总结
weixin_42825220的博客
07-25 860
GAN 参考文献： 受限玻尔兹曼机也是生成模型 自编码机： 所学得的NN Decoder可以将一个任意生成的向量生成为一张图片 VAE(Variational Auto-Encoder)变分自编码器： 为了不使σ 为0，因此加入限制： 目的是为了使得m越接近0越好，相当于L2的正则化，而前一项也越接近0越好 缺点：没有真正去模拟一张图片，无法达到和...
机器学习（李宏毅）——GAN
最新发布
Dlog的博客
02-13 1215
机器学习（李宏毅）——GAN
【李宏毅】-生成对抗式网络（GAN）
m0_51474171的博客
04-10 1135
输入不再是只是x，还有一个simple distribution（样本分布），输出也是一个分布。尤其在任务需要的时候，需要分布。
李宏毅机器学习课程笔记6：Unsupervised Learning - Auto-encoder、PixelRNN、VAE、GAN
热门推荐
徐子尧的博客
04-16 1万+
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEE ML 2016 。 这篇文章是学习本课程第16-18课所做的笔记和自己的理解。Lecture 16: Unsupervised Learning - Auto-encoder Auto-encoder在手写数字识别任务中，想训练一个NN encoder，得到图像的精简表达
李宏毅《GAN Lecture》学习笔记1 - GAN
好记性不如烂笔头
10-15 437
介绍GAN的基本原理和训练过程
李宏毅深度学习GAN技术深度解析PPT
李宏毅作为该领域的研究者之一，其制作的关于GAN的PPT可以为深度学习的学习者提供宝贵的资料。 ### 李宏毅的GAN PPT概述 李宏毅的GAN PPT不仅仅是学习资料，它也是深入理解生成对抗网络的一个窗口。从提供的压缩包...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值