VAE

Tensorflow(7):RNN,LSTM,GRU,Auto-Encoder,VAE

1、时间序列表示方法sequenceembedding[b,seq_len,feature_len]b:句子数量seq_len:单词数量feature_len单词特征[b,28,28]从sequence角度理解，把每一个图片当作28个时间序列的输入，每个输入有28个特征。共有b个图片。每个单词对应的三个波形，每个波形在每个时刻对应一个wordvector，每个时刻代表当前输入的word。howto
weixin_51182518·2021-01-30 00:31

ApacheCN 深度学习译文集 20210112 更新

TensorFlow2和Keras高级深度学习零、前言一、使用Keras入门高级深度学习二、深度神经网络三、自编码器四、生成对抗网络（GAN）五、改进的GAN六、纠缠表示GAN七、跨域GAN八、变分自编码器（VAE
·2021-01-26 13:26

VAE学习

Auto-EncodingVariationalBayes论文主要贡献：利用重参数技巧得到变分下界的一个估计，该估计可以直接用标准梯度下降方法进行优化。上述变分下界可以用来推断某些后验分布。问题背景：假设某个独立同分布的数据集中的每个数据点都是有一个随机过程产生的，且该随机过程涉及到某个隐变量。更具体地，的生成过程为：①从某个分布中随机采样一个②利用得到一个条件概率，从该分布中采样得到我们感兴趣的
JohnsonLsx·2021-01-14 13:11

ApacheCN 深度学习译文集 20210112 更新

TensorFlow2和Keras高级深度学习零、前言一、使用Keras入门高级深度学习二、深度神经网络三、自编码器四、生成对抗网络（GAN）五、改进的GAN六、纠缠表示GAN七、跨域GAN八、变分自编码器（VAE
布客飞龙·2021-01-13 14:30

ApacheCN 深度学习译文集 20210112 更新

TensorFlow2和Keras高级深度学习零、前言一、使用Keras入门高级深度学习二、深度神经网络三、自编码器四、生成对抗网络（GAN）五、改进的GAN六、纠缠表示GAN七、跨域GAN八、变分自编码器（VAE
布客飞龙·2021-01-13 14:29

《异常检测——从经典算法到深度学习》8 Donut: 基于 VAE 的 Web 应用周期性 KPI 无监督异常检测

》0概论1基于隔离森林的异常检测算法2基于LOF的异常检测算法3基于One-ClassSVM的异常检测算法4基于高斯概率密度异常检测算法5Opprentice——异常检测经典算法最终篇6基于重构概率的VAE
smile-yan·2021-01-10 21:01

VAE-LSTM tensorflow实现过程

上图原理可以简单理解为当数据输入时，先由VAE的编码器网络对输入数据进行压缩，并做特征提取，将提取到的特征输入LSTM网络进行故障检测或分类，并对特征进行归类预测
一只努力的蚂蚁·2021-01-05 12:51

kl散度度量分布_使用 Batch Normalization 防止变分自编码器中 KL 散度的消失

作者基于此提出了BN-VAE，在编码器的输出使用batchnormalization。在没有增加额外的训练参数和训练量的情况下有效缓解了KL消失的问题。
骑马与砍杀中文站·2020-12-31 15:55

《异常检测——从经典算法到深度学习》7 基于条件VAE异常检测

》0概论1基于隔离森林的异常检测算法2基于LOF的异常检测算法3基于One-ClassSVM的异常检测算法4基于高斯概率密度异常检测算法5Opprentice——异常检测经典算法最终篇6基于重构概率的VAE
smile-yan·2020-11-25 15:50

Python实战——VAE的理论详解及Pytorch实现

TutorialonVariationalAutoencodersAuto-EncodingVariationalBayes建议参考的文章：Pytorch里的CrossEntropyLoss详解交叉熵的学习，有详细的理论以及Pytorch实现，欢迎StarPytorch实现VAE
三只佩奇不结义·2020-11-18 18:21

简单解决jsp中文乱码问题

简单解决jsp中文乱码问题初学jsp制作一个简单的响应页面具体代码如下：username:Hello保存为test.jsp文件，启动tomcat访问，出现下图：在框内输入：vae出现下图：可是"username
ws15168689087·2020-11-01 11:05

《异常检测——从经典算法到深度学习》6 基于重构概率的 VAE 异常检测

》0概论1基于隔离森林的异常检测算法2基于LOF的异常检测算法3基于One-ClassSVM的异常检测算法4基于高斯概率密度异常检测算法5Opprentice——异常检测经典算法最终篇6基于重构概率的VAE
smile-yan·2020-10-24 10:48

SRFlow 超分SOTA? PULSE的升级版？

Section0前置介绍（俺写的，不是论文作者写的）一些前置的有关于Flow的知识点：讲到Flow、Glow实际上还得从VAE和GAN说起。针对VAE和GAN我们也比较熟悉了，属于生成模型
门被核桃夹了还能补脑嘛·2020-10-03 11:40

Select2插件的使用(绑定数据源)

ljiong.com(老囧博客)'},{id:1,text:'Ants(蚂蚁)'},{id:2,text:'canyouspeakjavascript(你能讲JavaScript嘛)'},{id:3,text:'vae
singleReader·2020-09-15 23:57

图像生成：变分自编码器（VAE）和生成式对抗网络（GAN）

）图像生成的关键思想是找到一个低维的表示潜在空间（latentspace），其中任意点都可以被映射为一张逼真的图像，这种映射模块叫生成器（generator，对于GAN）或解码器（decoder，对于VAE
王海海·2020-09-14 09:54

《变分自动编码器在协同过滤中的使用》做推荐召回 《Variational Autoencoders for Collaborative Filtering 》

文章主要讲VAE中的隐式反馈在CF中的使用，取topK做为召回。非线性的概率模型可以大大提升模型的表征能力。
维尼弹着肖邦的夜曲·2020-09-11 23:08

VAE详细推导

本文是对VAE的loss的详细推导先上两个图解释下VAE在这两个的基础上，我们可以定义datalikelihood:为什么要采用变分由于MCMC算法的复杂性，对于qϕ(z|x)，如果对每个数据点都要大量采样
疯女孩爱飞·2020-09-11 22:25

全新视角：用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）

作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP，神经网络个人主页丨kexue.fm摘要：本文从一种新的视角阐述了变分推断，并证明了EM算法、VAE、GAN、AAE、ALI(BiGAN)都可以作为变分推断的某个特例
PaperWeekly·2020-09-11 21:28

变分自编码器Variational Auto-Encoder(VAE)

GAN与VAE都是在假设data服从某些常见的分布，比如正太分布，前提下去实现的，训练一个X=g(Z)的model，GAN与VAE都是在进行分布之间的变换，将原来的概率分布映射到了训练集的概率分布。
亦乐Catherine·2020-09-11 21:04

GAN介绍 - 总结

总结GAN是使用有监督学习来优化一个难以控制的损失函数的生成式模型，很像玻尔兹曼机(Boltzmannmachine)使用马尔可夫链(Markovchain)来优化他们的损失函数，以及VAE使用变分低边界
SauryGo·2020-09-11 21:28

变分自编码器入门（Variational Auto Encoder, VAE）

目录1学习体会2变分的意义3流程及存在的“对抗”3.1流程3.2Reparametrization3.3“对抗”4改进5参考文献1学习体会如下图，我们假设头像图片的有三个特征X=(x1,x2,x3)X=(x_1,x_2,x_3)X=(x1,x2,x3),（比如说x1x_1x1代表脸型，x2x_2x2代表眼睛，x3x_3x3代表嘴巴，这里选三个只是方便理解），确定值描述就是中间的坐标轴，每个特征都有
weixin_43948357·2020-09-08 17:40

音乐纯粹，爱V绝对『许嵩早期歌曲』

《摇头玩》4《晃晃悠悠》5《静夜思》6《安徒生不后悔》7《散场电影》8《糖风阵阵》9《花满楼》10《我的爱情也曾经过》11《秋千坠》12《乱乱唱》13《独坐》14《尘世美》15《有何不可》16《浅唱》Vae
MuSky_沐卿心·2020-08-26 12:09

李宏毅机器学习课程笔记6：Unsupervised Learning - Auto-encoder、PixelRNN、VAE、GAN

台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEEML2016。这篇文章是学习本课程第16-18课所做的笔记和自己的理解。Lecture16:UnsupervisedLearning-Auto-encoderAuto-encoder在手写数字识别任务中，想训练一个NNencoder，得到图像的精简表达。但做的是无监督学习，
徐子尧·2020-08-25 16:11

深度强化学习资料（视频+PPT+PDF下载）

list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3由于文章较长，且有较
zxx650·2020-08-25 01:01

在TensorFlow中对比两大生成模型：VAE与GAN（附测试代码）

来源：机器之心本文长度为3071字，建议阅读6分钟本文在MNIST上对VAE和GAN这两类生成模型的性能进行了对比测试。
数据派THU·2020-08-25 01:22

简单的基于Tacotron2的中英文混语言合成, 包括code-switch和voice clone. 以及深入结构设计的探讨.

inference时间),下一步方向在哪里,如果想Expressive,靠谱的方法有什么经验吗,同时我尝试下混语言:expressive最简单用lookuptable就可以，不过需要标注，继续深化就是vae
ruclion·2020-08-24 10:52

那年一个人专门坐了20多个小时的火车跑去西湖看断桥残雪……

那年一个人专门坐了20多个小时的火车跑去西湖看断桥残雪……断桥残雪许嵩-Vae新歌+精选珍藏合辑江南夜色下的小桥屋檐读不懂塞北的荒野——断桥残雪唯愿夏有凉风冬有雪在北京初雪通行证还没办下来的时候，上海、
我她喵想害人·2020-08-24 06:38

音乐纯粹，爱V绝对『许嵩早期歌曲』

摇头~玩》4《晃晃悠悠》5《静夜思》6《安徒生不后悔》7《散场电影》8《糖风阵阵》9《花满楼》10《我的爱情也曾经过》11《秋千坠》12《乱乱唱》13《独坐》14《尘世美》15《有何不可》16《浅唱》Vae
MuSky_沐卿心·2020-08-24 04:55

花式解释AutoEncoder与VAE

什么是自动编码器自动编码器(AutoEncoder)最开始作为一种数据的压缩方法，其特点有:1)跟数据相关程度很高，这意味着自动编码器只能压缩与训练数据相似的数据，这个其实比较显然，因为使用神经网络提取的特征一般是高度相关于原始的训练集，使用人脸训练出来的自动编码器在压缩自然界动物的图片是表现就会比较差，因为它只学习到了人脸的特征，而没有能够学习到自然界图片的特征；2)压缩后数据是有损的，这是因为
SherlockLiao·2020-08-23 22:17

字符串格式化+字符串编码+深浅拷贝

一、字符串格式化的两种方法1、字符串的格式化：%d%f%s需要指定数据类型，且需要一一对应s="vae"d=32print("我叫%s,年龄%d"%(s,d))#我叫vae,年龄322、format是python
可爱丸学python·2020-08-23 02:17

许嵩，许嵩，还是许嵩

许嵩，Vae，唯爱伊。86年的，祖籍安徽合肥。安徽医科大学毕业生。血型A，金牛座。爱好的运动有:乒乓球、羽毛球。1986年5月14日，我好奇的查了查万年历，不查就算了，这一查着
光合_作用·2020-08-22 17:09

TensorFlow 2.0深度学习算法实战---第六章 神经网络

andthefieldistryingtoworkoutthereusableconstructsinthisstyle.Wehavesome:convolution,pooling,LSTM,GAN,VAE
安替-AnTi·2020-08-22 14:32

男女速变 —— GAN

这个效果明显比上一篇的VAE要好得多，全部代码在github/face_gan（StarredbyAttGAN作者），和VAE一样使用tensorflow和
一蓑烟雨任平生·2020-08-22 14:06

破解VAE的迷思

VAE生成的图像比较模糊，个中原因一直缺乏让人信服的解释。经常有人聚焦在KL损失上，而笔者认为本质上这是一个工程问题。至于为什么GAN生成的图像不模糊，请参考VAE的哲学，GAN的哲学。
一蓑烟雨任平生·2020-08-22 14:03

AI生成模型之人脸变换

当时就有两个思路：一是使用VAE，操作属性向量二是直接在损失里面加一个性别变化的目标另外，不使用像素的L2距离做损失，而是使用一个人脸识别网络。
一蓑烟雨任平生·2020-08-22 14:03

人脸生成黑科技：使用VAE网络实现人脸生成

上一节我们描述了VAE网络的数学原理，特别强调了它能把输入数据隐射到一个区域内，这种特性带来一个特点是，如果将两个不同数据输入网络得到两个区间，这两个区间要是有重合的话，我们在重合的区域内取一点让解码器进行还原
tyler_download·2020-08-22 13:26

NLP（二）文本生成 --VAE与GAN模型和迁移学习

NLP（二）文本生成--VAE与GAN模型和迁移学习VAE与GAN模型和迁移学习1.AutoEncoder自编码器1.1结构1.2核心思想1.3损失函数1.4DenoisingAutoEncoder(降噪自编码器
布拉拉巴卜拉·2020-08-22 13:26

【DL笔记】变分自编码器VAE详解

前言作为一个坚守9年的V迷，谈VAE还是很兴奋的，虽然这次谈的是VariationalAutoEncoder（变分自编码）。
roguesir·2020-08-22 13:57

QQ音乐三巨头之首，请让我再爱你一次。

许嵩在安徽医科大学读大二时，就开始自学作曲、编曲、录音、混音等一系列技能，一开始还只是做些翻唱以及录制一些非正式的demo，以“vae”的名字传到网上。
水水姐姐·2020-08-22 12:17

Pytorch之GAN实战

AE,VAE原理原理（encoder-neck-reconstruct,降维）自动编码机Auto-Encoder(AE)由两部分encoder和decoder组成，encoder输入x数据，输出潜在变量
Hero13146688·2020-08-22 11:59

人脸属性变换 —— VAE

言归正传，以上人脸转换是通过如下过程得到：使用CelebA数据集训练一个VAE使用第一步得到的VAE对训练集计算出属性向量，比如把所有男性人脸图片输入encoder，算出一个平均值，再把所有女性人脸输入
一蓑烟雨任平生·2020-08-22 11:01

人脸生成黑科技：实现人脸转变特效,让人脸自动戴墨镜

上一节我们通过VAE网络完成了人脸生成效果。VAE网络一个特性是会把人脸编码成一个含有200个分量的向量，反过来说在特定分布范围内的含有200个分量的向量就对应一张人脸。
tyler_download·2020-08-22 11:42

许嵩:愿化浮萍泛岁月涟漪

十年前，一个名叫Vae的年青人开始在自己的个人网站上传歌曲。这个唱歌青涩作品却很“有意思”的年青人逐渐受到人们的关注。这个人便是许嵩。
李月牙·2020-08-21 12:42

tf.keras.layers.Lambda()——匿名函数层解析

在我们需要完成一些简单的操作(例如VAE中的重采样)的情况下，Lambda层再适合不过了。
InceptionZ·2020-08-19 05:05

pytorch + visdom AutoEncode 和 VAE(Variational Autoencoder) 处理 手写数字数据集（MNIST）

环境系统：win10cpu：i7-6700HQgpu：gtx965mpython:3.6pytorch：0.3数据使用mnist，使用方法前面文章有。train_dataset=datasets.MNIST('./mnist',True,transforms.ToTensor(),download=False)train_loader=DataLoader(train_dataset,BATCH_
泛泛之素·2020-08-19 04:44

左右互搏:生成型对抗性网络的强大威力

它与上一节介绍的VAE也就是编解码网络一样，擅长于图像构造，然而它的功能比VAE要强大不少，我们现在时常听到AI合成网络主播，类似功能的实现绝大多数都基于我们这次要探讨的对抗性网络。
tyler_download·2020-08-18 22:04

Vue学习笔记二：v-cloak，v-text，v-html的使用

HTMLv-text：以属性方式使用插值表达式v-cloak和v-text的区别v-html:解决html展示问题越来越感觉，Vue学起来很有意思v-cloak：解决插值表达式闪烁问题先来写一个HTML，如下Vae
dengtangda9444·2020-08-18 20:35

[解读] Deep Unsupervised Clustering with Clustered Generator Model

链接:https://arxiv.org/abs/1911.08459v1本文研究在深度生成网络中嵌入类别隐变量从而实现无监督聚类学习生成模型.相关的工作Conditional-VAE(CVAE)[23
天在那边·2020-08-18 17:59

深度学习（生成式模型GMVAE）——deep unsupervised clustering with gaussian mixture variational autoencoders

reconstructiontermconditionalpriortermw-priortermz-priortermGMVAE的结构前言我将看过的论文建了一个github库，方便各位阅读地址传统的VAE
菜到怀疑人生·2020-08-17 22:26

基于变分自编码器（VAE）利用重建概率的异常检测

本文为博主翻译自：Jinwon的VariationalAutoencoderbasedAnomalyDetectionusingReconstructionProbability，如侵立删http://dm.snu.ac.kr/static/docs/TR/SNUDM-TR-2015-03.pdf摘要我们提出了一种利用变分自动编码器重构概率的异常检测方法。重建概率是一种考虑变量分布变异性的概率度量
weixin_30852419·2020-08-17 16:35
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他