GAN系列
GAN及其改進算法 GAN：G生成器生成數據，G判別器判別生成器生成的數據是否是真實的數據。也就是生成器擬合真實數據的分佈。所以對於不同數據集，分佈會不同，也就需要重新訓練，非常麻煩。 SRGAN：有一個生成器和一個判別器，判別器的主體使用 VGG19，生成器是一連串的 Residual block 連接，同時在模型後部也加入了 subpixel 模塊，讓圖片在最後面的網絡層才增加分辨率，提升分辨
相關文章
- 1. [GAN學習系列] 初識GAN
- 2. GAN學習系列-CycleGAN
- 3. GAN系列之pix2pix、pix2pixHD
- 4. GAN系列論文選讀
- 5. GAN系列：李宏毅老師GAN課程P2+P3——Conditional GAN
- 6. GAN系列：李宏毅老師GAN課程P7——Info GAN，VAE-GAN，BiGAN
- 7. 【GAN ZOO翻譯系列】InfoGAN： Interpretable Representation Learning by Information Maximizing GAN
- 8. 深度學習系列（1）——初探GAN和W-GAN
- 9. GAN系列：李宏毅老師GAN課程P5——General Framework
- 10. W-GAN系 (Wasserstein GAN、 Improved WGAN)
- 更多相關文章...
- • Scala List(列表) - Scala教程
- • XSL-FO 列表 - XSL-FO 教程
- • Docker容器實戰(七) - 容器眼光下的文件系統
- • 三篇文章瞭解 TiDB 技術內幕——說存儲
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. [GAN學習系列] 初識GAN
- 2. GAN學習系列-CycleGAN
- 3. GAN系列之pix2pix、pix2pixHD
- 4. GAN系列論文選讀
- 5. GAN系列：李宏毅老師GAN課程P2+P3——Conditional GAN
- 6. GAN系列：李宏毅老師GAN課程P7——Info GAN，VAE-GAN，BiGAN
- 7. 【GAN ZOO翻譯系列】InfoGAN： Interpretable Representation Learning by Information Maximizing GAN
- 8. 深度學習系列（1）——初探GAN和W-GAN
- 9. GAN系列：李宏毅老師GAN課程P5——General Framework
- 10. W-GAN系 (Wasserstein GAN、 Improved WGAN)