档案 | 生成对抗网络

Wasserstein 生成对抗网络，或简称 Wasserstein GAN，是对生成对抗网络的扩展，它既提高了模型训练的稳定性，又提供了一个与生成图像质量相关的损失函数。WGAN 的发展有其深厚的数学动机，尽管在实践中只需要很少的 [...]

Wasserstein 生成对抗网络，或简称 Wasserstein GAN，是对生成对抗网络的扩展，它既提高了模型训练的稳定性，又提供了一个与生成图像质量相关的损失函数。它是 GAN 模型的重要扩展，需要从概念上转变，远离 [...]

生成对抗网络，或简称 GAN，是一种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，以及用于辅助生成器训练的判别器模型。最初，生成器和判别器模型都实现了 [...]

Python 生成对抗网络速成课。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，或简称 GAN，是一种训练生成模型的深度学习技术。GAN 的研究和应用才几年时间，但其取得的成果令人瞩目。 [...]

生成对抗网络，或简称 GAN，是取得广泛成功的生成模型架构。有成千上万篇关于 GAN 的论文，以及数百个命名的 GAN，即拥有特定名称的模型，通常包含“GAN”，例如 DCGAN，而不是对方法的小幅扩展。鉴于庞大的规模 [...]

如何在训练生成对抗网络时识别不稳定模型。GAN 很难训练。它们之所以难训练，是因为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损失为代价的。 [...]

生成对抗网络，或简称 GAN，是一种用于训练生成模型的架构，例如用于生成图像的深度卷积神经网络。尽管 GAN 模型能够为给定数据集生成新的随机逼真示例，但除了尝试找出 [...] 之外，没有办法控制所生成图像的类型。

如何使用插值和向量算术来探索 GAN 的潜在空间。生成对抗网络，或简称 GAN，是一种用于训练生成模型的架构，例如用于生成图像的深度卷积神经网络。GAN 架构中的生成模型学习将潜在空间中的点映射到生成的图像。潜在空间 [...]

生成对抗网络，或简称 GAN，是一种用于训练生成模型的架构，例如用于生成图像的深度卷积神经网络。开发用于生成图像的 GAN 需要一个判别器卷积神经网络模型来分类图像是真实的还是生成的，以及一个使用反卷积层的生成器模型 [...]

生成对抗网络，或简称 GAN，是一种用于训练生成模型的架构，例如用于生成图像的深度卷积神经网络。开发用于生成图像的 GAN 需要一个判别器卷积神经网络模型来分类图像是真实的还是生成的，以及一个使用反卷积层的生成器模型 [...]