深度学习：生成对抗网络GAN.pptxVIP

下载本文档

15
0
约1.09千字
约 59页
2023-09-21 发布于澳门
举报
版权申诉

深度学习：生成对抗网络GAN.pptx

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

生成对抗网络GAN;;生成对抗网络家谱;非监督学习及GAN;;GAN之前的非监督学习;AutoEncoder（1）;AutoEncoder（2）;AutoEncoder（3） – 文本检索;AutoEncoder（4） – 相似图形检索;AutoEncoder（5） – 噪声去除;图像的反卷积deconvolution;Encoder-Decoder;变分自编码器VAE;VAE的目标函数;VAE存在的问题;GAN;GAN基本原理;生成器与鉴别器;;The evolution of generation;GAN - Discriminator;GAN - Generator;通过优化目标，使得我们可以调节概率生成模型的参数，从而使得生成的概率分布和真实数据分布尽量接近。但是这里的分布参数不再与传统概率统计一样，这些参数保存在一个黑盒中：最后所学到的一个数据分布Pg(G)，没有显示的表达式。;GAN损失函数;;黑色大点虚线P(X)是真实的数据分布 ;首先，如果固定G，那么D的最优解就是一个贝叶斯分类器。将这个最优解形式带入，可以得到关于G的优化函数。简单的计算可以证明，当产生的数据分布与真实数据分布完全一致时，这个优化函数达到全局最小值。Pg=Pdata 生成模型G隐式地定义了一个概率分布Pg，我们希望Pg 收敛到数据真实分布Pdata。论文证明了这个极小化极大博弈当且仅当Pg = Pdata时存在最优解，即达到纳什均衡，此时生成模型G恢复了训练数据的分布，判别模型D的准确率等于50%。;GAN缺点（1）;GAN缺点（2）;GAN模型collapse;应用：DCGAN;生成式对抗网络--衍生模型 DCGAN;Facebook AI Research;Facebook AI Research;;WGAN;Wasserstein距离;EM距离—WGAN;EM距离—WGAN;Wasserstein GAN （WGAN）;WGAN;生成式对抗网络--衍生模型 CGAN;生成式对抗网络--衍生模型 InfoGAN;生成式对抗网络应用;生成式对抗网络—计算机视觉;生成式对抗网络—计算机视觉;生成式对抗网络—图像超分辨率;生成式对抗网络—图像去雨;生成式对抗网络—图像风格转移;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;GAN – 二次元人物頭像鍊成;代码和案例实践