王伟王胖胖的博客

深度学习-StyleGANStyleGAN随机生成动漫头像头像风格转换头像插值StyleGANGAN的一种，是英伟达最新发布的，貌似效果很不错，比以前的那种都要好，还可以生成高分辨率的。原理什么的可以看github，主要是用了不同的卷积大小对不同细节的学习，我还没深入研究，先下来玩了下，觉得很有意思，分享下。随机生成动漫头像这个是老外的模型链接：https://pan.baidu.com...

深度学习-李宏毅GAN学习之无监督CGAN无监督条件生成做法情况一：Direct Transformation无监督条件生成之前讲的那篇CGAN都是有监督学习，那能不能无监督学习呢？当然可以啦，大多数情况我们很难弄到一个个对应匹配的数据，比如做图片风格转换，你很难弄到同一个图片的不同种风格，里面东西还是一模一样的，再比如，你很难把一个人的声音风格转换到另外一个人声音上，因为可能你说的是中文，另...

深度学习-李宏毅GAN学习之CGAN提出问题提出问题如果我们要做输入一段文字生成图片，比如：传统的方法是将文字放入一个神经网络，然后输出一张图片，希望图片跟真实的图片越接近越好：但是这么做产生的图片会模糊，甚至很奇怪，比如说，输入的文字是train火车，真实的图片可能有好多张：那为了减小跟真实图片的差距，就会产生模糊的图片，因为他要跟所有真实图片尽可能的差距小，只能取他们的平均啦，...

深度学习-李宏毅GAN学习之VAEVAE(变分自编码器)直觉解释VAE直觉架构VAE数学解释高斯混合模型拟合VAE分布映射最大似然估计总结VAE(变分自编码器)直觉解释普通的自编码器大家已经比较熟悉了，比如输入一张图片，然后提取出一个向量，最后再复原回图片。就如下图，我们有两张图片，都编码成一个code，然后可以复原，但是如果我们取了中间的code，应该是什么呢，虽然我们会认为应该是中间的插...

深度学习-李宏毅GAN学习之WGAN分布无重叠问题JS散度的问题LSGANWGAN分布无重叠问题上几篇讲述了GAN的原理，实际上是衡量JS散度，又讲了散度函数，其实我们可以替换衡量散度函数，只要符合一定的条件就行，这次来讲讲JS散度的问题，从而引出新的衡量散度的方法。首先我们的分布Pdata和PG是在高维空间的低维流形(暂时理解成一种高维到低纬的映射吧)，所以几乎没有重合部分，这样我们的JS...

深度学习-李宏毅GAN学习之InfoGAN，VAE-GAN，BiGAN提出问题InfoGANVAE-GANBiGAN总结提出问题我们知道最基本的GAN就是输入一个随机的向量，输出一个图片。以手写数字为例，我们希望修改随机向量的某一维，能改变数字的特想，比如角度，粗细，数字等，但是实际上貌似没什么大的影响，下图就是个例子，貌似看不到某一维度的具体含义，如下图：我们可能直观的会认为每个维度应该...

深度学习-李宏毅GAN学习之fGAN散度函数散度函数共轭函数(Fenchel Conjugate)一些问题Mode CollapseMode Dropping总结散度函数上一篇讲了GAN的数学原理，这次继续深入。这次讲fGan，也就是将GAN的散度函数的统称，上篇将了2个散度，KL散度和JS散度，当然GAN还有其他的散度函数。上图所示，我们可以将散度函数统一定义为上面这个公式，f()就是...

深度学习-李宏毅GAN学习一目的GAN的理论原理极大似然估计生成器G判别器D具体求法目的通过学习和理解李宏毅的GAN课程，对GAN有更加深入的理解，希望能结合李宏毅老师的课件和自己的理解把GAN的理论基础搞明白，这样就可以去学习更多GAN的变种，同时也可以帮助更多想入门GAN的朋友一点点经验吧。GAN的理论原理通俗的讲，GAN中文叫做生成对抗网络，就是双方互相博弈（生成器和鉴别器，鉴别器要...

深度学习-DCGAN试玩GANDCGANGAN简单讲下GAN原理，数学公式什么的就不贴了，有兴趣可以百度，很多的，有一定数学基础的可以去研究研究，那个是GAN的理论基础。直觉的说，GAN就是生成东西，生成的东西是基于我给定的训练集的样本的分布，即我的让我的模型去学习我样本的分布，让他们尽可能接近，然后模型就可以生成同样分布的东西，因为理论上分布是连续的，所以可以无限生成不同的东西，服从同一分...

深度学习-李宏毅GAN学习之改进序列生成器序列生成器机器人聊天问题改进序列模型序列生成器很多情况下，我们需要的生成器是序列模型，比如语音识别，机器翻译，机器人聊天，今天我们要用GAN的技术来改进他们，他们都可以看成是一个条件生成器，输入一个信息，根据这个信息输出一个信息：机器人聊天问题举个机器人聊天的例子，传统做法就是训练一个编码器，解码器，输入一段文字，希望输出的跟给定的文字越接近越好...