【任務一】視頻學習
生成式對抗網路基礎學習視頻 ，下載地址：https://www.jianguoyun.com/p/DdKFrbUQrKKIBhiavrkD
【任務二】代碼練習
在谷歌 Colab 上完成代碼練習，關鍵步驟截圖，并附一些自己的想法和解讀，
-
生成式對抗網路，閱讀代碼：https://github.com/OUCTheoryGroup/colab_demo/blob/master/08_GAN_double_moon.ipynb
把代碼敲入 Colab 運行，觀察并體會效果，
-
CGAN 和 DCGAN，閱讀代碼：https://github.com/OUCTheoryGroup/colab_demo/blob/master/09_CGAN_DCGAN_mnist.ipynb
把代碼敲入 Colab 運行，觀察并體會效果，
【任務一解答】視頻學習
● 生成式對抗網路
思維導圖鏈接：https://mubu.com/doc/2xYK7qUxCM
一、生成式對抗網路簡介
1.GAN的應用
影像著色（用途：舊影像修復）、影像超像素（用途：手機相機）、背景模糊、人臉生成&人臉定制&卡通頭像生成（用途：娛樂軟體）、文本生成圖片、字體變換、風格變換、影像修復、幀預測
二、生成式對抗網路基礎
1.生成式對抗網路（GAN）
（1）框架和目標函式
（2）訓練演算法
（3）訓練策略
(4)KL散度和JS散度
KL散度：一種衡量兩個概率分布的匹配程度的指標，
JS散度：兩種KL散度的組合，解決KL散度的不對稱性，
極大似然估計=最小化KL散度：極大似然估計 等價于 最小化生成資料分布和真實分布的KL散度，
(5)從數學角度分析GAN
2.條件生成式對抗網路（Conditional GAN，cGAN）
3.卷積生成式對抗網路（Deep Convolutional GAN，DCGAN）
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/19521.html
標籤：其他