半监督学习是一个具有挑战性的问题，旨在训练一个分类器，该分类器的数据集中包含少量标记样本和大量未标记样本。生成对抗网络（GAN）是一种架构，它通过图像生成模型有效地利用大量未标记数据集进行训练 […]
作者归档 | Jason Brownlee
如何使用 Keras 开发信息最大化 GAN (InfoGAN)
生成对抗网络（GAN）是一种用于训练深度卷积模型以生成合成图像的架构。尽管GAN非常有效，但默认的GAN无法控制生成的图像类型。信息最大化GAN（简称InfoGAN）是GAN架构的扩展，它引入了控制变量，可以 […]
如何从头开始使用 Keras 开发辅助分类器 GAN (AC-GAN)
生成对抗网络（GAN）是用于训练生成模型（如用于生成图像的深度卷积神经网络）的架构。条件生成对抗网络（cGAN）是一种GAN，它涉及通过生成器模型进行图像的条件生成。图像生成可以基于类别标签进行条件生成 […]
如何从头开始开发 Wasserstein 生成对抗网络 (WGAN)
Wasserstein生成对抗网络（Wasserstein GAN）是生成对抗网络的扩展，它既提高了模型训练的稳定性，又提供了与生成图像质量相关的损失函数。WGAN的发展具有密集的数学动机，尽管在实践中只需要 […]
如何在生成对抗网络中实现 Wasserstein 损失
Wasserstein生成对抗网络（Wasserstein GAN）是生成对抗网络的扩展，它既提高了模型训练的稳定性，又提供了与生成图像质量相关的损失函数。它是GAN模型的一个重要扩展，需要概念上从 […]
如何编写 GAN 训练算法和损失函数的代码
生成对抗网络（GAN）是用于训练生成模型的架构。该架构由两个模型组成：我们感兴趣的生成器，以及用于协助生成器训练的判别器模型。最初，生成器和判别器模型都被实现为 […]
如何开始使用生成对抗网络（7 天迷你课程）
使用 Python 入门生成对抗网络速成班。在 7 天内将生成对抗网络应用到您的项目中。生成对抗网络（GAN）是一种用于训练生成模型的深度学习技术。GAN 的研究和应用只有几年历史，但取得的成果非凡。 […]
生成对抗网络模型巡览
生成对抗网络（GAN）是广泛成功的深度学习架构生成模型。有数千篇关于GAN的论文，以及数百个有命名-GANs，即具有定义名称的模型，通常包含“GAN”，例如DCGAN，而不是对该方法进行次要扩展。鉴于其巨大的规模 […]
如何识别和诊断 GAN 失败模式
如何在训练生成对抗网络时识别不稳定的模型。GAN难以训练。它们难以训练的原因是生成器模型和判别器模型在零和博弈中同时进行训练。这意味着一个模型的改进是以另一个模型的牺牲为代价的。 […]
如何从零开始开发一个条件生成对抗网络（cGAN）
生成对抗网络（GAN）是用于训练生成模型（如用于生成图像的深度卷积神经网络）的架构。虽然GAN模型能够为给定的数据集生成新的随机合理示例，但除了尝试找出之外，没有办法控制所生成图像的类型 […]