测试2

【任务一】视频学习

生成式对抗网络基础学习视频 ，下载地址：https://www.jianguoyun.com/p/DdKFrbUQrKKIBhiavrkD

【任务二】代码练习

在谷歌 Colab 上完成代码练习，关键步骤截图，并附一些自己的想法和解读。

  • 生成式对抗网络，阅读代码：https://github.com/OUCTheoryGroup/colab_demo/blob/master/08_GAN_double_moon.ipynb

    把代码敲入 Colab 运行，观察并体会效果。

  • CGAN 和 DCGAN，阅读代码：https://github.com/OUCTheoryGroup/colab_demo/blob/master/09_CGAN_DCGAN_mnist.ipynb

    把代码敲入 Colab 运行，观察并体会效果。

 

【任务一解答】视频学习

● 生成式对抗网络

 思维导图链接：https://mubu.com/doc/2xYK7qUxCM

 

一、生成式对抗网络简介

1.GAN的应用

       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&人脸定制&卡通头像生成（用途：娱乐软件）、文本生成图片、字体变换、风格变换、图像修复、帧预测

 

二、生成式对抗网络基础

 

1.生成式对抗网络（GAN）

（1）框架和目标函数

 

 （2）训练算法

 

 

（3）训练策略

 

 

(4)KL散度和JS散度

       KL散度：一种衡量两个概率分布的匹配程度的指标。

       JS散度：两种KL散度的组合，解决KL散度的不对称性。

       极大似然估计=最小化KL散度：极大似然估计 等价于 最小化生成数据分布和真实分布的KL散度。

 

(5)从数学角度分析GAN

 

2.条件生成式对抗网络（Conditional GAN，cGAN）

 

3.卷积生成式对抗网络（Deep Convolutional GAN，DCGAN）

内容来源于网络如有侵权请私信删除

文章来源: 博客园

原文链接: https://www.cnblogs.com/mcgradyxyz/p/13639469.html

标签： AI 人工智能
你还没有登录，请先登录或注册！
  • 还没有人评论，欢迎说说您的想法！

相关课程

英特尔® OpenVINO™工具套件初级课程
293958 0元 限免
英特尔 OpenCV 初级认证课程
8107 0元 限免