当前位置：网站首页>《深度学习》学习笔记（五）

《深度学习》学习笔记（五）

2022-04-21 11:52:00 【白炎灵】

这篇博文主要是介绍GAN（Generative Adversarial Network）。

文章目录

Generation

在这里插入图片描述
为什么输出有时候需要是一个分布
The same input has different outputs.
在这里插入图片描述
algorithm
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
train generator ⇔ \Leftrightarrow ⇔ train discriminator

Theory behind GAN

在这里插入图片描述
Divergence是如何计算的呢
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Tips for training

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Generator and Discriminator needs to match each other.
拿GAN来生成文字是比较麻烦的：
在这里插入图片描述
这里不能用gradient descent的情况下，可以尝试reinforcement learning（RL）
在这里插入图片描述
过去没办法用GAN来产生文字，现在OK的
在这里插入图片描述

Evaluation of Generation

Generator的评估方法：

  1. Quality of Image
    2.
  2. Diversity-Mode Collapse
    到后面的时候，Generator产生的image总是差不太多
    在这里插入图片描述
  3. Diversity-Mode Dropping
    生成样本只集中于某一群。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

Conditional Generation

在这里插入图片描述
现在Generator不仅要生成realistic images，而且还要与输入的text（condition）相匹配。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Learning from Unpaired Data

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
其他风格转换的GAN
在这里插入图片描述StarGan可以在多种风格之间做转换
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

版权声明
本文为[白炎灵]所创，转载请带上原文链接，感谢
https://blog.csdn.net/weixin_43135165/article/details/124206159

边栏推荐

猜你喜欢

随机推荐