2020深度学习与PyTorch实战班 (中国海洋大学)

  • 班级所有博文发布时间分布(24小时制):
  • 第二次作业:卷积神经网络 part 2

    ##Part Ⅰ 问题总结 ##Part Ⅱ 生成式对抗网络 ###2.1 用途 旧图像修复 图像超像素 人脸生成 人脸定制 文本生成图片 字体变换 风格变换 帧预测 ###2.2 GAN 生成式对抗网络的目的是训练一个生成模型,生成我们想要的数据。(低维向量-》生成模型-》高维数据(图片、文本、语
    Justing778   2020-09-12 21:52   0   270
  • 第六周:生成式对抗网络

    视频学习 GAN应用:图像着色,图像超像素,背景模糊,人脸生成,人脸定制,卡通头像生成,文本生成图片,字体变换,风格变换,图像修复,帧预测。 生成式对抗网络基础 生成式对抗网络(GAN) 框架和目标函数 从博弈角度解释GAN 零和博弈 对抗学习 从概率角度分析GAN KL散度和JS散度 极大似然估计
    yzm10   2020-09-12 21:47   0   390
  • 第二次作业:卷积神经网络 part 2

    生成式对抗网络 GAN-生成式对抗网络 视频学习链接:https://www.cnblogs.com/jiang-sy/p/13660383.html 生成式对抗网络-代码练习 import torch.nn as nn z_dim = 32 hidden_dim = 128 # 定义生成器 net
    Life9706   2020-09-12 21:30   0   170
  • 生成式对抗网络

    生成式对抗网络 GAN Generative Adversarial Nets, 生成式对抗网络 生成模型 生成式对抗网络(GAN)的目的是训练这样一个生成模型,生成我们想要的数据 GAN框架 判别器(Discriminator):区分真实(real)样本和虚假(fake)样本。对于真实样本,尽可能
    hyzs1220   2020-09-12 21:29   0   495
  • 第六周:生成式对抗网络

    生成式对抗网络 背景 Ian Goodfellow 2014年 NIPS 首次提出GAN GAN 目的:训练一个生成模型,生成想要的数据。 为什么罪犯制造的假币越来越逼真? 为什么GAN可以生成数据? GAN目标函数: Tanh 把图片映射到[-1,1],可以让网络更快地收敛。 问题:随机种子是0-
    薄暮   2020-09-12 21:15   0   132
  • 第六周:生成式对抗网络

    一、视频学习 生成式对抗网络GAN-基础 1.背景 作者Lan Goodfellow于2014年NIPS首次提出了GAN的概念。 2.GAN案例 图像着色 用途:旧图像修复 图像超像素 用途:手机相机 背景模糊 人脸生成 用途:娱乐软件 帧预测、文本生成图片 字体变换、风格变换 3.生成模型和GAN
    Dingding_lucky   2020-09-12 21:10   0   142
  • 第六周:生成式对抗网络

    第六周:生成对抗网络 一、视频学习 GAN的类型 1,GAN 生成式对抗网络 2,cGAN 条件生成式对抗网络 3,DCGAN 深度卷积生成式对抗网络 4,WGAN/WGAN-GP 1.GAN 生成式对抗网络由判别器和生成器组成: 判别器(Discriminator):区分真实(real)样本和虚假
    Recruited   2020-09-12 20:21   0   392
  • 第六周:生成式对抗网络

    ##视频学习 视频学习→ ##代码学习 ###08_GAN_double_moon 借助于 sklearn.datasets.make_moons 库,生成双半月形的数据,同时把数据点画出来。 可以看出,数据散点呈现两个半月形状。 ####定义模型 和视频中学习的内容一样,生成器和判别器都是由神经网
    木子w   2020-09-12 20:19   0   183
  • 第六周:生成式对抗网络

    生成式对抗网络 (Generative Adversarial Networks) 生成式对抗网络的应用: 图像着色、图像超像素、背景模糊、人脸生成、人脸定制、卡通图像生成、文本生成图片、字体变换、分格变换、图像修复、帧预测 生成式对抗网络及其衍生网络: GAN 生成式对抗网络由判别器和生成器组成:
    fmz626   2020-09-12 20:06   0   201
  • 第二次作业:卷积神经网络 part 2

    背景: 生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的
    lsccc   2020-09-12 20:01   0   159