深度学习笔记十一：常见生成模型总结

最新推荐文章于 2025-09-08 11:00:00 发布
原创 最新推荐文章于 2025-09-08 11:00:00 发布 · 4.2k 阅读 · 15 ·
CC 4.0 BY-SA版权
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。
文章标签：

#生成模型

本文是对常见生成模型的简要总结，包括GAN系列。无需深入数学，旨在理解概念。后续文章将对这些模型进行详细探讨。

在前面已经说了生成模型中的GAN系列，这部分简单总结一下常见的生成模型，这里并不需要多少数学，掌握概念就行了，在之后的文章中会详细介绍这些生成模型。
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

最低0.47元/天 解锁文章
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 36万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
深度学习笔记——模型部署
haopinglianlian的博客
11-30 1457
本文简要概括模型部署的知识点，包括步骤和部署方式。
深度学习之深度生成模型
hszzjs的博客
11-22 6583
深度生成模型可以分为有监督与无监督，主要还是在于无监督地应用，用于在没有目标类标签信息的情况下捕捉观测到或可见数据的高阶相关性，可以通过从网络中采样来生成有效样本，譬如受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）、深度信念网络（Deep Belief Network, DBN）、深度玻尔兹曼机（Deep Boltzmann Machine, DBM）和广
基于深度学习的数据生成模型综述.pdf
08-18
基于深度学习的数据生成模型综述.pdf
最新研究：生成式模型合成数据方法全面总结！
最新发布
AI前沿论文/研究/最新技术，每日推送
09-08 1680
本文探讨了生成式AI模型在合成数据领域的应用与挑战。文章概述了三大核心生成模型（GANs、扩散模型和LLMs）及其技术特点，介绍了前沿的合成数据生成框架。重点分析了合成数据在文本、表格、图、序列及多模态数据挖掘任务中的应用场景，并列举了医疗、金融、教育等领域的实践案例。文章指出，尽管合成数据具有隐私保护、成本低廉等优势，但仍面临分布失真、模型坍塌等挑战，未来需探索生成式与传统方法的融合，以提升数据真实性和应用广度。
深度学习系列27：VAE生成模型
热门推荐
kittyzc的博客
05-15 1万+
1. AE AE（Autoencoder），自动编码器。 我们常用的encoder-decoder即为最简单的一种AE。训练过程中加上一些扰动，就可以变成去噪自编码器（DAE）： 或者用遮盖（MIM，mask image modeling）的方法来加扰动： 2. VAE 损失为重构误差+KL散度，对应GAN中的判别器。 对于每一个样本，需要用神经网络拟合均值uuu和方差δ2\delta^2δ2，然后用标准正态分布采样得到Z，然后再恢复成X。其中方差项是核心，是用来进行对抗生成的关键。重构部分误差项会让
深度学习的生成模型：从生成对抗网络到变分Autoencoder
AI天才研究院
12-27 520
1.背景介绍 深度学习是人工智能的一个重要分支，其中生成模型是一种重要的深度学习技术，用于生成新的数据样本。生成对抗网络(Generative Adversarial Networks，GANs)和变分Autoencoder(Variational Autoencoders，VAEs)是生成模型的两种主要类型。本文将详细介绍这两种生成模型的原理、算法和实例。 1.1 生成模型的需求 生成模型...
【深度学习】必知！5大深度生成模型！
fengdu78的博客
09-06 1447
随着Sora、diffusion、GPT等模型的大火，深度生成模型又成为了大家的焦点。深度生成模型是一类强大的机器学习工具，它可以从输入数据学习其潜在的分布，进而生成与训练数据相似的新的样本数据，它在计算机视觉、密度估计、自然语言和语音识别等领域得到成功应用, 并给无监督学习提供了良好的范式。本文汇总了常用的深度学习模型，深入介绍其原理及应用：VAE（变分自编码器）、GAN（生成对抗网络）、AR（...
个人学习笔记3：动手学深度学习pytorch版-李沐
浪子L的博客
09-03 1828
主要记录学习笔记，学习书目为李沐老师的《动手学习深度学习》 重预备知识开始记录。 开源书籍地址：https://zh-v2.d2l.ai/chapter_preface/index.htmll 李沐老师B站视频：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
深度学习笔记——生成对抗网络GAN
haopinglianlian的博客
11-29 3021
本文详细介绍早期生成式AI的代表性模型：生成对抗网络GAN。
常见的生成模型
wusecaiyun的专栏
11-04 1225
混合高斯模型和其他混合模型隐马尔可夫模型随机上下文无关文法朴素贝叶斯分类器AODE分类器潜在狄利克雷分配模型有限波尔兹曼机
深度学习生成模型-专用于二分类图像识别
03-27
Retry 【从训练集中抽取10%随机测试，训练集22500 测试集2500】【精度损失明显】 2020.3.27 预测结束,总错误数为1129,准确率为0.90948【C1模型】【标准训练集】 2020.3.27 预测结束,总错误数为227,准确率为0.90920 【C1模型】【切割训练集】 Retry 【在B2模型基础上增加epoch】【B3、4模型】【过拟合？效果可能不理想？】 2020.3.27 预测结束,总错误数为1208,准确率为0.90315 【B3模型】【+1 epoch】
深度学习（三——生成模型 Generative Model）
Seven
11-07 1833
生成模型是指：一系列用于随机生成可观测数据的模型。包括：自动编码器（Autoencoder）、变分自动编码器（Variational AutoEncoder, VAE）. 1.自动编码器 初始自动编码器作为一种数据压缩方法，特点：只能压缩与训练数据相似的数据；压缩后数据有损（降维导致的信息丢失）； 自动编码器应用：数据去噪、可视化降维； 结构：编码器（Encoder）+ 解码器（Decod...
深度学习之生成式模型
goodluckcwl的专栏
07-18 6468
机器学习模型分生成式模型（Generative Models）和判别式模型(Discriminative Models)。判别式模型就是给出一个判断，比如是哪个类别，是多少值。也就是说，判别式模型给出的是一个值。为什么需要生成式模型？因为有时候不想要一个值，我们想学习一个分布(Distribution)，这个时候就需要生成式模型。总之，生成式模型就是学习到一个分布。 如何表示一个分布？可以用概率密度函数来表示。所以当然可以设计一个模型去学习一个概率密度函数。有了概率密度函数...
CS224W摘要15.Deep Generative Models for Graphs
老毛的博客
10-11 1085
文章目录Graph Generative ModelsSetup步骤1步骤2Auto-regressive modelsGraphRNN图与序列的映射RNNGraphRNN训练测试训练实例测试例子问题及解决方法效果可视化效果属性统计相似度深度图生成模型的应用（化学） CS224W: Machine Learning with Graphs 公式输入请参考：在线Latex公式 这节和上节都是讲图的生成模型，上节讲传统方法，这节讲DL方法。 本节两个任务： 1.Realistic graph generatio
深度学习——深度生成模型（GAN，VAE）
weiwei935707936的博客
07-30 4041
一.GAN的基本要素 1.真实数据集，初始化虚假数据集（噪音） 2.生成器，鉴别器： 生成器： 输入：原始数据的维数（一条数据） 输出：原始数据的维数（一条数据） ...
生成模型概述
weixin_43186779的博客
03-23 5301
生成模型是深度学习领域的一类模型，它们的目标是学习如何生成数据的分布，从而能够生成新的、与真实数据类似的样本。以下是一些主要的生成模型：生成对抗网络（GANs）:GAN由两个部分组成：生成器（生成新数据）和判别器（区分真实数据和生成的数据）。这两部分在训练过程中相互竞争，提高彼此的性能。应用：图像生成、艺术创作、数据增强、风格迁移等。自回归模型（Autoregressive Models）:如Transformer在自然语言处理领域的应用。这些模型预测序列中的下一个元素，基于前面的元素。
深度学习笔记——生成模型
qq_46132949的博客
08-19 2026
什么是生成模型 生成模型可以描述一个生成数据的模型，属于一种概率模型。 通过这个模型我们可生成不包含在训练数据集中的新的数据。 每次生成模型要输出不同的内容。如果说某些特定的图片服从某些概率分布，生成模型就是尽可能的去模仿这个概率分布产生新的图像。 生成模型和判别模型的区别 判别模型可以简单的理解为分类 生成模型的数据集是没有和判别模型类似的lable的（即标记信息，生成模型也是可以有标签的，生成模型可以根据标签去生成相应类别的图像）,生成模型像是一种非监督学习，而判别模型是一种监督学习。 数学表示：
VAE、GAN、Info-GAN：全解深度学习三大生成模型
weixin_40598071的博客
10-12 1472
VAE、GAN、Info-GAN：全解深度学习三大生成模型点击打开链接
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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