CV_basic idea of GAN
在GAN出現之前… 假設真實的data服從P_data，並且現在擁有屬於這個分佈的一些樣本，但是這個P_data我們是無從得知的，但是我們希望可以得到一個嶄新的同樣屬於這個分佈的data。所以我們就對這個分佈建立模型，其對應着分佈P_G，希望這個P_G能夠儘可能地逼近P_data，由於這個P_G是我們自己建立的，所以這個模型或者說P_G對我們而言必然是可知的。那麼此時只要P_G能夠儘可能地逼近P_
相關文章
- 1. CV_shortcomings of original GAN
- 2. 李宏毅GAN筆記 一.introduction of GAN
- 3. MATHEMATICAL PRINCIPLE OF GAN
- 4. CV_shortcomings of the original GAN
- 5. Overview of GAN(關於GAN的綜述)
- 6. GAN
- 7. [GAN-1] Learning Note
- 8. GAN--7 info GAN VAE-GAN BiGAN
- 9. 【李宏毅2020 ML/DL】P78 Generative Adversarial Network | fGAN: General Framework of GAN
- 10. 李宏毅學習筆記30.GAN.01.Introduction of Generative Adversarial Network
- 更多相關文章...
- • XSLT
- • XSLT
- • IntelliJ IDEA代碼格式化設置
- • IntelliJ IDEA安裝代碼格式化插件
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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. CV_shortcomings of original GAN
- 2. 李宏毅GAN筆記 一.introduction of GAN
- 3. MATHEMATICAL PRINCIPLE OF GAN
- 4. CV_shortcomings of the original GAN
- 5. Overview of GAN(關於GAN的綜述)
- 6. GAN
- 7. [GAN-1] Learning Note
- 8. GAN--7 info GAN VAE-GAN BiGAN
- 9. 【李宏毅2020 ML/DL】P78 Generative Adversarial Network | fGAN: General Framework of GAN
- 10. 李宏毅學習筆記30.GAN.01.Introduction of Generative Adversarial Network