生成或補全
adobe公司在photoshop中加入人工智慧等功能。
補全修復。
gan 以及 由它發展而來的dc
gan: 生成對抗網路
generative adversarial networks
dcgan: 深度卷積生成對抗網路
deep convolutional generative adversarial networks
對於進行補全，或者其他的功用。
unsupervised representation learning with deep convolutional generative adversarial networks
非監督學習
結合幾張生成新的。微笑的女人，緊張的女人，緊張的男人
微笑的女人 - 緊張的女人 + 緊張的男人 = 微笑的男人
對於元素的提取以及刪減。
生成樣例
生成**人物或者人臉。
軟體和素材
可以更加方便的去呼叫tensorflow底層的api，讓我們的模型更加清晰
pip install pillow或者更大
cifar-10 需要使用pickle來處理的
香港中文大學 celeba 人臉資料
識別的比賽。
olivetti faces (64,64)的
gan 釋義
想象一下場景: 給女友拍照
可是實際的效果是這樣:
女友說: 我還沒轉身你就拍啦。
女友說: 你就不能去學學***的抓拍嗎？
女友又說我要這種效果:
可是你竟然拍出來這樣的效果
女友說: 你就不能去學學***的後期麼？
沒辦法，女朋友的指令大於一切。
經過不斷學習和失敗, 最終。。。
拍出了高大上的**，女友說很棒我拿去發朋友圈了。
直到判別網路無法判斷資料是生成的還是真實的為止
無法判斷這個**是你拍的還是專業的人拍的
給gan一些真實的樣本，大寫的g表示生成器。大寫的d表示判別器。
我給判別器一些真實樣本，同時給它一些生成器從潛在空間加些雜訊(具有隨機性)的
資料，經過生成器，生成假的樣本。
真實的樣本和假冒的樣本會一起經過判別器，判別器給出判斷。
我們從上帝視角去看判別器判別的是否正確，根據我們上帝視角的判斷去調教判別器和生成器
不只提公升生成器，兩個都會一起提公升。
男友的拍照能力 和 女友的審美都會提公升
生成的資料與真實資料如果重合就停止
深度學習三巨頭 google brain openai
yan lecun 稱讚 gan 是"過去十年機器學習領域最有意思的想法"
面向機器智慧型的TensorFlow實戰1 安裝
1 選擇安裝環境 三種環境 一般而言，如果準備在單機上安裝和使用tensorflow，建議採用virtualenv或conda，能夠以較小的代價解決依賴衝突問題，且易於設定。如果準備將tensorflow 部署到一台或多台伺服器上，則值得床架乙個docker容器映象。筆者不推薦既不使用虛擬環境，也不...
Tensorflow實戰 張量
import tensorflow as tf tf.constant 是乙個計算，這個計算的結果為乙個張量，儲存在變數a中。a tf.constant 1.0,2.0 name a b tf.constant 2.0,3.0 name b result tf.add a,b,name add pr...
tensorflow實戰 反向傳播
windows10 anaconda3 64位 batch size 8 每次訓練的資料量 seed 23455 隨機種子 rng np.random.randomstate seed x rng.rand 32,2 產生32行2列的隨機矩陣 y int x0 x1 1 for x0,x1 in x...