李宏毅GAN学习笔记(02)

2024-08-27 06:48
文章标签 学习 02 笔记 李宏毅 gan

本文主要是介绍李宏毅GAN学习笔记(02),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

GAN Lecture 2


Conditional Generation by GAN

image_1d7212t441k7jmpofqjk46th9.png-156kB

Algorithm

In each traing iteration:

  • Sample m positive examples { ( c 1 , x 1 ) , ( c 2 , x 2 ) , … , ( c m , x m ) } \{(c^1, x^1), (c^2, x^2), \dots, (c^m, x^m)\} {(c1,x1),(c2,x2),,(cm,xm)} from database
  • Sample m noise samples { z 1 , z 2 , … , z m } \{z^1, z^2, \dots, z^m\} {z1,z2,,zm} from a distribution
  • Obtaining generated data { x ~ 1 , x ~ 2 , … , x ~ m } \{\tilde{x}^1, \tilde{x}^2, \dots, \tilde{x}^m\} {x~1,x~2,,x~m}, x ~ i = G ( c i , z i ) \tilde{x}^i=G(c^i, z^i) x~i=G(ci,zi)
  • Sample m objects { x ^ 1 , x ^ 2 , … , x ^ m } \{\hat{x}^1, \hat{x}^2, \dots, \hat{x}^m\} {x^1,x^2,,x^m} from database
  • Update discriminator parameters θ d \theta_d θd to maximize
    • V ~ = 1 m ∑ i = 1 m l o g D ( c i , x i ) + 1 m ∑ i = 1 m l o g ( 1 − D ( c i , x ~ i ) ) + 1 m i = 1 m l o g ( 1 − D ( c i , x ^ i ) ) \tilde{V}=\frac{1}{m}\sum_{i=1}^mlogD(c^i, x^i)+\frac{1}{m}\sum_{i=1}^mlog(1-D(c^i, \tilde{x}^i))+\frac{1}{m}_{i=1}^mlog(1-D(c^i, \hat{x}^i)) V~=m1i=1mlogD(ci,xi)+m1i=1mlog(1D(ci,x~i))+m1i=1mlog(1D(ci,x^i))
    • θ d ← θ d + η ▽ V ~ ( θ d ) \theta_d \leftarrow \theta_d+\eta\bigtriangledown\tilde{V}(\theta_d) θdθd+ηV~(θd)

Learning D

  • Sample m noise samples { z 1 , z 2 , … , z m } \{z^1,z^2,\dots,z^m\} {z1,z2,,zm} from a distribution
  • Sample m conditions { c 1 , c 2 , … , c m } \{c^1,c^2,\dots,c^m\} {c1,c2,,cm} from a database
  • Update generator parameters θ g \theta_g θg to maximize
    • V ~ = 1 m ∑ i = 1 m l o g ( D ( G ( c i , z i ) ) ) \tilde{V}=\frac{1}{m}\sum_{i=1}^mlog(D(G(c^i, z^i))) V~=m1i=1mlog(D(G(ci,zi))), θ g ← η ▽ V ~ ( θ g ) \theta_g \leftarrow\eta\bigtriangledown\tilde{V}(\theta_g) θgηV~(θg)

Learning G

image_1d724a6eupja3ve23h12nglbi9.png-194.1kB

倾向推荐第二种网络架构
参考文献:StackGAN

image_1d724p6vjt9eimq1pf8155k18o5m.png-312.6kB

参考文献:Patch GAN

image_1d72521k51dat1hlm17k7flcpvi13.png-231.6kB

image_1d72537a916il152l97r1bl8j6a1g.png-211.8kB

参考例子:Github

这篇关于李宏毅GAN学习笔记(02)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1110936

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件