[机器学习入门] 李宏毅机器学习笔记-20 (Deep Generative Model-part 3:深度生成模型-part 3)

[机器学习入门] 李宏毅机器学习笔记-20 (Deep Generative Model-part 3:深度生成模型-part 3)

PDF VIDEO

上接part 2,VAE从来没有去学习产生一张看起来能以假乱真的image,它所学到的是:它想要产生一张image,跟database的image越接近越好。它不知道的是,我们在衡量它产生的image和database种image的相似度的时候,假设两个image有一个像素不一样,从图中可以看出,这个像素落在不同的位置差别很大,但对VAE看来,这两张image是效果同样的。
VAE是模仿,而不是去产生新的image。

Generative Adversarial Network (GAN)

Yann LeCun’s comment,评价很高。

这里写图片描述

GAN的概念,有点像拟态的演化。

这里写图片描述

The evolution of generation,Generator演化(蝴蝶),Discriminator也跟着演化(天敌)。
需要注意的是,generator从来没有看过真正的image,它要做的就是努力骗过看过真正image的discriminator。所以generator才能产生出database中没过的image。

这里写图片描述

GAN - Discriminator

这里写图片描述

GAN - Generator

注意,Fix the discriminator,然后去调generator的参数。

这里写图片描述

GAN – Toy Example

这里写图片描述

Moving on the code space

先随机sample五个vector,然后向该方向moving,会发生很神奇的事情,比如窗变成电视,电视变成窗户。

这里写图片描述

Moving on the code space

这里写图片描述

你可能感兴趣的:([机器学习入门] 李宏毅机器学习笔记-20 (Deep Generative Model-part 3:深度生成模型-part 3))