taoyafan的博客

去年（2017年）参加robomaster时做了一段视觉，为了打大符，其实就是识别手写数字，然后控制云台射击击打制定数字。因为时间有限，而且其他部分代码都是用的C++和opencv写的，所以识别手写数字这部分代码也用C++写了。不过注意，我只写了前向计算的代码，训练的代码我没写，网络是在matlab上训练了，然后自己定义了一种存储格式存在了xml文件中，然后视觉部分的程序就是读取xml文件导入CN...

博主最近在上李弘毅老师的GAN的课程，所以写一些博客作为笔记，方便以后回忆。bilibili链接：https://www.bilibili.com/video/av24011528/?spm_id_from=333.338.recommend_report.1，课程的相关学习资料的链接为：http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS18.htm...

本文记录的是李弘毅老师的GAN的第二节课，bilibili视频链接为：https://www.bilibili.com/video/av24011528/?p=2，相关的课程课件链接为：http://speech.ee.ntu.edu.tw/~tlkagk/courses/MLDS_2018/Lecture/CGAN.pdf 目录 1 什么是 Condition GAN 2 Cond...

目录 0 概述 1 直接转换 1.1 第一种方法 1.2 第二种方法 1.3 第三种方法 1.4 StarGAN 2 基于特征转换 2.1 第一种方法 2.2 第二种方法  2.3 第三种方法  2.4 第四种方法 3 其他应用  0 概述 两种方法，如图1所示，方法一是直接转换，方法二是先得到特征再解码。 图1 两种方法简介 1 直接转换 1.1 第一种方法 ...

这一节理论推导的课程，证明了 GAN 的可行性，并解释了 GAN 背后的原理。 目录 1 目标 2 推导 2.1 极大似然估计 2.2 极大似然估计与最小 KL 散度 2.3 判别网络 3 算法 1 目标 以二次元图像生成为例，我们的目标是什么呢，从数学角度来说其实就是得到一个函数，输入 x 是一个向量，输出 y 便是生成的图像，其实 y 也是一个向量，满足的分布设为 ，其中  ...

1、JS-divergence 的问题 在原始 GAN 中，使用的 JS-divergence 存在一些问题，这里介绍其中的一个问题。在图像所在的高维空间中，生成的图像分布和真实图像的分布可能是完全没有重叠的，比如在三维空间举一个例子，可以理解为两者的分布是三维空间中的两个面，那么他们重叠的部分几乎为零。那么这样 JS-divergence 的问题就出现了。 如下图所示，PG0PG0P_{G_...

这一节课是说明 GAN 不一定用 JS divergence，可以用别的 divergence。理论挺厉害的，但是实作可能没什么用。   目录 1 f-divergence 的定义  2 Fenchel Conjugate（共轭） 3 fGAN 的作用/GAN 存在的问题 3.1 问题1 Mode Collapse 3.2 问题2 Model Dropping 3.3 解决思路 ...

今天看程序看到了LSTM，原理都懂，但是想看看参数的个数是怎么算出来的，先简单介绍下我的网络前两层： （1）第一层是一个 embedding 层，输出是 100 维的。 （2）第二层是一个 LSTM 层，输出是 512 维的。 LSTM这一层的参数个数是 1255424 个，这一看还有整有零的，好奇怎么算出来的，于是百度搜了下，得到这么一个公式： 设 LSTM 输入维度为 x_dim， 输...

1 pyrough 介绍 2 安装过程 3 其他问题 1 pyrough 介绍 pyrouge 是一个评估文本匹配程度的工具，可以计算两个文本的 ROUGE 得分。 官网地址：pyrouge官方网站，或者github地址 不过安装过成就太麻烦了，下面具体介绍安装过程。 2 安装过程 本文参考 stack overflow 的一个回答：How to install the Pytho...

目录 0、废话 1、我们的模型介绍 0. 数据预处理 1. Seq2Seq + Attention 2. + pointer network + coverage 3. + temporary attention + policy gradient 4. + dropout 2、出现的问题 1. 分数据集 2. 模型保存 3. 测试时控制变量 3、别人很多值得学习的部分 ...