【深度学习】：用于 GAN 的生成器架构

AI大视野
领域专家: 人工智能技术领域
2023-07-13 08:11:15
...全文
32 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【深度学习】：用于 GAN 的生成器架构 - 生成人脸
生成对抗网络（GAN）是机器学习中一个相对较新的概念，于2014年首次推出。他们的目标是合成与真实图像无法区分的人工样本，例如图像。GAN 应用程序的一个常见示例是通过从名人人脸数据集中学习来生成人工人脸图像。
深度学习：GAN图像生成
生成对抗网络（GAN）的基本原理基于两个神经网络之间的博弈过程：一个生成器（Generator, G）和一个判别器（Discriminator, D）。输入-输出图像对指的是两个相关的图像，其中一个图像是另一个图像经过某种变换后的结果。与cGAN相比，CycleGAN不依赖于明确的条件向量，而是通过两个相互对立的映射函数来实现双向的图像转换，并且通过循环一致性损失来确保转换的质量和可逆性。GAN 框架非常灵活，可以应用于图像、文本、音频等多种类型的数据，并且能够生成多样化的样本。
深度学习：生成模型入门与核心架构解析
摘要：本文系统介绍生成模型的基本概念、作用及其在现代深度学习中的核心地位。我们将从自动编码器（Autoencoder）出发，逐步深入到变分自编码器（VAE），并为后续引入生成对抗网络（GAN）奠定基础。
深度学习：CycleGAN图像风格迁移转换
定义ResNet的残差块# 返回 x + out 的做法是实现残差学习的关键。这个设计是为了让网络能够更容易地学习到恒等映射（identity mapping）# 从而帮助解决深层网络训练中的梯度消失问题，并允许网络构建得更深而不会导致性能下降。# 定义基于ResNet的生成器# 数据集图像输入后经过的第一个网络# 随后对数据进行两次下采样# 残差网络有9个残差块# 组装残差网络# 再将图片进行上采样（转置卷积）# 定义输出层else:# 将输出压制（-1, 1）
深度学习第5天：GAN生成对抗网络
相信很多人都对手写数字数据集不陌生了，那我们就训练一个生成手写数字的GAN，注意：本示例代码需要的运行时间较长，请在高配置设备上运行或者减少训练回合数。
人工智能旅行团

2

社区成员

331

社区内容

发帖
与我相关
我的任务
社区描述
从事图像处理和人工智能十年以上，从事人工智能教学7年以上；擅长数学，能熟练应用泛函分析、随机过程、逼近论、射影几何等数学理论。
计算机视觉数据挖掘自然语言处理 个人社区 北京·房山区
社区管理员
  • 无水先生
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章