【课程笔记-李宏毅ML】Deep generative model

最新推荐文章于 2025-03-19 15:15:09 发布
最新推荐文章于 2025-03-19 15:15:09 发布
阅读量474 收藏
点赞数
分类专栏： 课程学习 文章标签： 机器学习
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/weixin_40341844/article/details/104315751
版权
本文详细介绍了深度生成模型，包括PixelRNN、VAE（变分自编码器）及其工作原理，特别是VAE的直觉理解，以及GAN（生成对抗网络）的概念。VAE通过引入噪声，使得编码在恢复图像时可以产生多样性的输出，而GAN则是通过生成器和判别器的博弈来生成逼真的新图像。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Deep generative model

课件资料
中文笔记

overview

generative models

  • PixelRNN
  • Variational Autoencoder
  • Generative Adversarial Network

PixelRNN

每次生成一个pixel
在这里插入图片描述

VAE（variational auto-encoder)

和auto-encoder结构相似，但在code的地方有所不同
在这里插入图片描述
对一个10维的数据，固定其中8维，剩下两维在二维空间中随机取点，丢入decoder中，观察其会生成什么样的图片（来观察cod

最低0.47元/天 解锁文章
[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1）
Holeung blog
06-22 5929
[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1） PDF VIDEOCreation 据说在费曼死后，人们在他生前的黑板上拍到如图画片，在左上角有道：What i cannot create ,I do not understand. Generative models,就是在做创造的事情。 Imag
[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）
Holeung blog
06-25 1976
[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2） PDF VIDEOWhy VAE? 用VAE，从code space上去sample一个code，能得到一个比较好的image，而auto encoder可能得不到。 将code加上了noise，而variance决定了noise的大小，variance是
深度生成模型（Deep Generative Models）
10-26
深度生成模型基本都是以某种方式寻找并表达（多变量）数据的概率分布。有基于无向图模型（马尔可夫模型）的联合概率分布模型，另外就是基于有向图模型（贝叶斯模型）的条件概率分布。前者的模型是构建隐含层(latent)和显示层（visible)的联合概率，然后去采样。
无监督学习：Deep Generative Mode（深度生成模型）
dfql83704的博客
08-11 1731
一 前言 1.1 Creation 据说在费曼死后，人们在他生前的黑板上拍到如图画片，在左上角有道：What i cannot create ,I do not understand. Generative models，就是在做创造的事情。 1.2 Image Processing 二 Generative Models 这是目前的主要方法。 2.1 Pixel...
深度生成模型（Deep Generative Models, DGMs）
最新发布
weixin_44012667的博客
03-19 921
深度生成模型是一类基于深度学习的模型，旨在学习数据分布并生成与训练数据相似的新样本。与判别模型（如分类器）不同，生成模型的目标是建模数据的联合概率分布。
Deep Generative Model
likyoo的博客
03-16 533
PixelRNN 把逐个像素放入网络中，output为下一个像素 Variational Autoencoder(VAE) 这里要同时Minimize reconstruction error和 为什么要使用VAE而不直接用auto-encoder呢？ 从直觉上来说，VAE相当于在中间的code上家里noise 只minimize 它们的 reconstruction e...
[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3）
Holeung blog
06-26 1723
[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3） PDF VIDEO 上接part 2，VAE从来没有去学习产生一张看起来能以假乱真的image，它所学到的是：它想要产生一张image，跟database的image越接近越好。它不知道的是，我们在衡量它产生的image和database种image的相似度
【李宏毅2020 ML/DL】P60-61 Unsupervised Learning - Deep Generative Model
记录学习痕迹的公众号：Piper蛋窝
08-05 545
三大模型：PixelRNN 、Variational Auto Encoder(VAE)、Generative Adversarial Network。
Deep Generative Model1--VAE
weixin_44607838的博客
10-20 345
1.VAE(Variational auto-encoder) 首先我们思考一下，为什么我们需要VAE? 或者说Auto-encoder有什么问题？首先我们需要明确我们的目标，我们需要的是一个图像生成模型，也就是说在给定维度下的任意一个code，通过decoder都应该产生一张清晰且符合逻辑的图片。但是，仅仅通过auto-encoder类的模型是无法实现任意这一条件的。下面引用李宏毅老师机器学习Deep Generation Model课件中的例子来做解释。 从上面的图中，假如我们使用了一个deep au
MLgenerator：MLgenerator是一个网络应用程序，可帮助您轻松生成机器学习入门代码
02-04
MLGenerator：机器学习代码生成器 一个网络应用程序，用于为不同的机器学习任务生成代码。 它是在我业余时间学习时开发的，其主要动机是通过入门代码帮助机器学习入门。 试用MLGenerator： ://ml-generator.herokuapp.com MLGenerator是简单的基于Web的机器学习入门代码生成器，使用构建。 您可以为不同的机器学习算法/任务（例如回归，分类，聚类和异常（异常值）检测）构建自定义的入门代码。 MLGenerator针对不同的任务使用了广泛使用的Python库，例如Scikit-Learn，PyOD等。 MLgenerator的灵感来自 M
generator-diamond：Vue前端框架脚手架，帮助开发人员以:high_voltage:闪电般的速度开始构建vue应用程序
02-11
钻石发生器 发电机钻石 ██████╗ ██╗ █████╗ ███╗ ███╗ ██████╗ ███╗ ██╗██████╗ ██╔══██╗██║██╔══██╗████╗ ████║██╔═══██╗████╗ ██║██╔══██╗ ██║ ██║██║███████║██╔████╔██║██║ ██║██╔██╗ ██║██║ ██║ ██║ ██║██║██╔══██║██║╚██╔╝██║██║ ██║██║╚██╗██║██║ ██║ ██████╔╝██║██║ ██║██║ ╚═╝ ██║╚██████╔╝██║ ╚████║██████╔╝ ╚═════╝ ╚═╝╚═╝ ╚═╝╚═╝ ╚═╝ ╚═════╝ ╚═╝ ╚═══╝╚═════╝ Generator Vue前端框架脚手架，可帮助开发人员开始构建Vu
机器学习：无监督学习之deep generative model
uncle_ll的博客
04-06 415
无监督学习之深度学习生成模型
CS236 Deep Generative Models （3）
Nemo的博客
02-24 595
自回归模型-2 概述一、Maximum Likelihood Learning（MLL）1.1 Learning的背景1.2 距离度量二、Bayesian Network MLL2.1 Learning parameters2.2 Overfitting三、小总结 概述 在自回归模型-1中，只介绍了怎么建模会带有Autoregressive的特性，即pθ(x)p_\theta(x)pθ​(x)，而...
机器学习 李宏毅 L28L29-Deep Generative Model
okgagaga的博客
02-02 1233
生成模型1： Pixel RNN 产生图像时，每次产生一个像素点。也就是，训练一个网络，输入为一个三维的vector，输出为另外一个三维的vector。可以使用Pixel RNN进行图像生成、语音生成等。 如果需要练习，可以提供该课程提供的792个Pokemon突袭那个，图像为20*20大小,数据库地址。实验结果如下图： 生成模型2： VAE (Variational Aut
深度生成模型（Deep Generative Model）---生成对抗网络Generative Adversarial Networks（GANs）
weixin_45646640的博客
03-17 832
深度生成模型（Deep Generative Model）---生成对抗网络Generative Adversarial Networks（GANs）
Unsupervised Learning - Deep Generative Model (Part I)
Fly嘉
01-16 309
这个图片先说了这一个博客，是一个科普文，这个可以很好的介绍Generative Models。 我们目前做的是让机器识别出哪些是猫还是狗，但是机器可能不知道这个猫是什么。所以未来我们想让计算机画出东西来，例如画出一只猫 Genreative Models有三个方法 例如上面的pixels，一个三维vector代表一个pixel，然后用一个pixel来预测下一个pixel，然后用这个两个pi...
Unsupervised Learning - Deep Generative Model (Part II)
Fly嘉
01-17 237
为什么会使用auto-encoder？一个直观的理由是，当训练模型的，当一个满月的图片输入到auto-encoder模型，我们会希望得到一个满月。同理，当是一个半满月的时候，我们希望得到一个半满月的。不过当直接模型预测的时候，月亮介于满月和半满月之间的时候，我们会希望得到一个介于两者之间的图像。但是实际输出往往不是这样。当使用VAE的时候，会有一个noise，当一个满月进去的时候，会在一个范围内...
李宏毅课程作业-微型食品分类数据集
整个数据集是李宏毅视频课程作业的一部分，适用于学习机器学习和深度学习相关知识。" 在深入分析这个数据集之前，我们先来探讨一下它的应用背景和相关技术知识。食物分类任务是计算机视觉领域的一个典型应用，通常...
评论
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