目錄
01 初識gans
02 wgan：抓住低維的幽靈
03 dcgan：當gans遇上卷積
05 irgan：生成離散樣本
06 seqgan：生成文字序列
生成式對抗網路：gan, generative adversarial network
gan的變種：wgan、infogan、f-gans、bigan、dcgan、irgan
（1）基本思想和訓練過程
（2）gans的值函式
（3）gans如何避開大量概率推斷計算
（4）gan在實際訓練中會碰到什麼問題
（1）gans的陷阱：原gans中存在的哪些問題制約模型訓練效果
（2）破解**：wgan針對前面問題做了哪些改進？wasserstein距離？
（3）wgan之道：怎麼具體應用wasserstein距離實現wgan演算法
04 ali：包攬推斷業務
生成網路和推斷網路的融合
用gan產生負樣本
（1）如何構建生成器，生成文字組成的序列來表示句子
（2）訓練序列生成器的優化目標是什麼？gans框架下有何不同？
（3）有了生成器的優化目標，怎樣求解它對生成器引數的梯度？
chapter 13 生成式模型
假設訓練資料符合某分布p，我們的目標是構建乙個p模型，來生成和訓練資料相似的資料。從大的分類標準來看，生成式模型分為兩類，顯式密度估計和隱式密度估計，這取決於我們定義和求解p模型的方式是顯式還是隱式。以下是生成式模型的家族圖譜 這裡的定義很簡單，唯一的一點疑惑是，如何定義元素的順序？下面有兩種方法 ...
深度學習 GAN生成式對抗網路
生成式對抗網路 gan，generative adversarial network 的簡單理解就是，想想一名偽造者試圖偽造一幅畢卡索的畫作。一開始，偽造者非常不擅長這項任務，他隨便畫了幅與畢卡索真跡放在一起，請鑑定商進行評估，鑑定商鑑定後，將結果反饋給偽造者，並告訴他怎樣可以讓 看起來更像畢卡索的...
人工智障學習筆記 深度學習 4 生成對抗網路
概念 生成對抗網路 gan 是一種深度學習模型，是近年來複雜分布上無監督學習最具前景的方法之一。模型通過框架中 至少 兩個模組 生成模型 generative model 和判別模型 discriminative model 的互相博弈學習產生相當好的輸出。判別模型比較好理解，就像分類一樣，有乙個判...