【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)
文章来源: 博客园
- 还没有人评论,欢迎说说您的想法!