多圖對(duì)比看懂GAN與VAE的各種變體

yunhao 發(fā)布于2019-04-25 18:17 / 1736人閱讀

摘要：近日，英國(guó)小哥在上圖解了一系列生成式對(duì)抗網(wǎng)和變分自編碼器的實(shí)現(xiàn)。

近日，英國(guó)小哥Pawel.io在GitHub上圖解了一系列生成式對(duì)抗網(wǎng)（GAN）和變分自編碼器（VAE）的TensorFlow實(shí)現(xiàn)。

生成式對(duì)抗網(wǎng)絡(luò)（GAN）

GAN

論文地址：

https://arxiv.org/abs/1406.2661

價(jià)值函數(shù)：

結(jié)構(gòu)圖：

LSGAN

論文地址：

https://arxiv.org/abs/1611.04076

價(jià)值函數(shù)：

WGAN

論文地址：

https://arxiv.org/abs/1701.07875

價(jià)值函數(shù)：

WGAN-GP

論文地址：

https://arxiv.org/abs/1704.00028

價(jià)值函數(shù)：

DRAGAN

論文地址：

https://arxiv.org/abs/1705.07215

價(jià)值函數(shù)：

CGAN

論文地址：

https://arxiv.org/abs/1411.1784

價(jià)值函數(shù)：

結(jié)構(gòu)圖：

infoGAN

論文地址：

https://arxiv.org/abs/1606.03657

價(jià)值函數(shù)：

結(jié)構(gòu)圖：

ACGAN

論文地址：

https://arxiv.org/abs/1610.09585

價(jià)值函數(shù)：

結(jié)構(gòu)圖：

EBGAN

論文地址：

https://arxiv.org/abs/1609.03126

價(jià)值函數(shù)：

結(jié)構(gòu)圖：

BEGAN

論文地址：

https://arxiv.org/abs/1702.08431

價(jià)值函數(shù)：

變分自編碼器（VAE）

VAE

論文地址：

https://arxiv.org/abs/1312.6114

損失函數(shù)：

結(jié)構(gòu)圖：

CVAE

論文地址：

https://arxiv.org/abs/1406.5298

損失函數(shù)：

結(jié)構(gòu)圖：

DVAE

論文地址：

https://arxiv.org/abs/1511.06406

AAE

論文地址：

https://arxiv.org/abs/1511.05644

原文地址：

最后，附GitHub原文地址：

https://github.com/hwalsuklee/tensorflow-generative-model-collections/blob/master/README.md

還可查看不同GAN與VAE變體在MNIST及Fasion-MNIST上的運(yùn)行結(jié)果。

祝你學(xué)的開(kāi)心~

歡迎加入本站公開(kāi)興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754

云服務(wù)器 GPU云服務(wù)器各種云服務(wù)器的價(jià)格對(duì)比各種消息隊(duì)列對(duì)比各種廠(chǎng)家云服務(wù)器對(duì)比各種云計(jì)算數(shù)據(jù)庫(kù)對(duì)比

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/4613.html

相關(guān)文章

那么多GAN哪個(gè)好？谷歌大腦潑來(lái)冷水：都和原版差不多

摘要：二是精度查全率和得分，用來(lái)衡量判別式模型的質(zhì)量。精度查全率和團(tuán)隊(duì)還用他們的三角形數(shù)據(jù)集，測(cè)試了樣本量為時(shí)，大范圍搜索超參數(shù)來(lái)進(jìn)行計(jì)算的精度和查全率。從2014年誕生至今，生成對(duì)抗網(wǎng)絡(luò)（GAN）熱度只增不減，各種各樣的變體層出不窮。有位名叫Avinash Hindupur的國(guó)際友人建立了一個(gè)GAN Zoo，他的動(dòng)物園里目前已經(jīng)收集了多達(dá)214種有名有姓的GAN。DeepMind研究員們甚至將...

張漢慶 2019-04-25 18:21 評(píng)論0 收藏0
DeepMind提出Auto-encoding GAN的變分方法

摘要：例如，即插即用生成網(wǎng)絡(luò)通過(guò)優(yōu)化結(jié)合了自動(dòng)編碼器損失，損失，和通過(guò)與訓(xùn)練的分類(lèi)器定于的分類(lèi)損失的目標(biāo)函數(shù)，得到了較高水平的樣本。該論文中，作者提出了結(jié)合的原則性方法。在機(jī)器學(xué)習(xí)研究領(lǐng)域，生成式對(duì)抗網(wǎng)絡(luò)（GAN）在學(xué)習(xí)生成模型方面占據(jù)著統(tǒng)治性的地位，在使用圖像數(shù)據(jù)進(jìn)行訓(xùn)練的時(shí)候，GAN能夠生成視覺(jué)上以假亂真的圖像樣本。但是這種靈活的算法也伴隨著優(yōu)化的不穩(wěn)定性，導(dǎo)致模式崩潰（mode colla...

atinosun 2019-04-25 18:15 評(píng)論0 收藏0
全新視角：用變分推斷統(tǒng)一理解生成模型

摘要：相比于，它將也作為隱變量納入到變分推斷中。結(jié)論綜述本文的結(jié)果表明了變分推斷確實(shí)是一個(gè)推導(dǎo)和解釋生成模型的統(tǒng)一框架，包括和。作者丨蘇劍林單位丨廣州火焰信息科技有限公司研究方向丨NLP，神經(jīng)網(wǎng)絡(luò)個(gè)人主頁(yè)丨kexue.fm前言我小學(xué)開(kāi)始就喜歡純數(shù)學(xué)，后來(lái)也喜歡上物理，還學(xué)習(xí)過(guò)一段時(shí)間的理論物理，直到本科畢業(yè)時(shí)，我才慢慢進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域。所以，哪怕在機(jī)器學(xué)習(xí)領(lǐng)域中，我的研究習(xí)慣還保留著數(shù)學(xué)和物理的...

tinylcy 2019-04-25 18:29 評(píng)論0 收藏0
美麗的神經(jīng)網(wǎng)絡(luò)：13種細(xì)胞構(gòu)筑的深度學(xué)習(xí)世界

摘要：網(wǎng)絡(luò)所有的神經(jīng)元都與另外的神經(jīng)元相連每個(gè)節(jié)點(diǎn)功能都一樣。訓(xùn)練的方法是將每個(gè)神經(jīng)元的值設(shè)定為理想的模式，然后計(jì)算權(quán)重。輸入神經(jīng)元在網(wǎng)絡(luò)整體更新后會(huì)成為輸入神經(jīng)元。的訓(xùn)練和運(yùn)行過(guò)程與十分相似將輸入神經(jīng)元設(shè)定為固定值，然后任網(wǎng)絡(luò)自己變化。新的神經(jīng)網(wǎng)絡(luò)架構(gòu)隨時(shí)隨地都在出現(xiàn)，要時(shí)刻保持還有點(diǎn)難度。要把所有這些縮略語(yǔ)指代的網(wǎng)絡(luò)（DCIGN，IiLSTM，DCGAN，知道嗎？）都弄清，一開(kāi)始估計(jì)還無(wú)從下...

zsirfs 2019-04-25 18:05 評(píng)論0 收藏0
機(jī)器學(xué)習(xí)

摘要：用離散信一文清晰講解機(jī)器學(xué)習(xí)中梯度下降算法包括其變式算法無(wú)論是要解決現(xiàn)實(shí)生活中的難題，還是要?jiǎng)?chuàng)建一款新的軟件產(chǎn)品，我們最終的目標(biāo)都是使其達(dá)到最優(yōu)狀態(tài)。提高駕駛技術(shù)：用GAN去除(愛(ài)情)動(dòng)作片中的馬賽克和衣服作為一名久經(jīng)片場(chǎng)的老司機(jī)，早就想寫(xiě)一些探討駕駛技術(shù)的文章。這篇就介紹利用生成式對(duì)抗網(wǎng)絡(luò)（GAN）的兩個(gè)基本駕駛技能： 1) 去除(愛(ài)情)動(dòng)作片中的馬賽克 2) 給(愛(ài)情)動(dòng)作片中...

wums 2019-06-26 18:19 評(píng)論0 收藏0