discriminator

Pytorch之经典神经网络Generative Model(四) —— DCGAN (MNIST)

在一定程度上提高了训练的结果，但是这仅仅是一个治标不治本的架构Discriminator卷积判别网络Discriminator就是一个一般的卷积网络，结构如下32Filters,5x5,Stride1,
hxxjxw·2023-01-04 15:33

GAN模型——pytorch实现

classDiscriminator(nn.Module):#定义判别器def__init__(self,img_size=(28,28)):#初始化方法super(Discriminator,self
Peach_____·2023-01-04 15:31

CGAN模型——pytorch实现

classDiscriminator(nn.Module):#定义判别器def__init__(self,img_size=(28,28),num_classes=2):#初始化方法super(Discriminator
Peach_____·2023-01-04 15:31

ACGAN模型——pytorch实现

classDiscriminator(nn.Module):#定义判别器def__init__(self,img_size=(64,64),num_classes=2):#初始化方法super(Discriminator
Peach_____·2023-01-04 15:31

DCGAN模型——pytorch实现

classDiscriminator(nn.Module):#定义判别器def__init__(self,img_size=(64,64)):#初始化方法super(Discriminator,self
Peach_____·2023-01-04 15:28

理解GAN的数学公式

生成式对抗网络原理以及数学表达式解剖_码农男孩的博客-CSDN博客_生成式对抗网络的原理1.原理GAN的基本原理很简单，其由两个网络组成，一个是生成网络G（Generator），另外一个是判别网络D（Discriminator
qq_54867493·2023-01-01 09:02

对抗性神经网络百度百科,对抗神经网络可以通过

一个网络中有两个角色，修炼的过程中左手扮演攻方，即生成器(generator)，试图生成和自然世界中拟完成任务足够相似的目标;右手扮演守方，即判别器(discriminator)，试图把这个假的、生成的目标和真实目标区分开来
普通网友·2022-12-28 13:57

GAN,CycleGAN,starGAN,CycleGAN-VC,starGAN-VC

GANGAN有两个网络，一个是generator，一个是discriminator，通过两个网络互相对抗来达到最好的生成效果。
W_Ria·2022-12-28 08:51

模仿学习笔记：生成判别模仿学习 Generative Adversarial Imitation Learning, GAIL

这里简单地回顾一下GAN，详细的可见NTU课程笔记7454GAN_UQI-LIUWJ的博客-CSDN博客GAN由生成器(Generator)和判别器(Discriminator)组成，它们各是一个神经网络
UQI-LIUWJ·2022-12-26 23:01

计算机视觉(CV)-生成模型：GAN（Generative Adversarial Network对抗生成网络）【Generator(RNN/CNN)+Discriminator(CNN)】

人工智能-深度学习-生成模型：GAN（GenerativeAdversarialNetwork对抗生成网络）【Generator（RNN/CNN）+Discriminator（CNN）】一、GAN概述1
u013250861·2022-12-26 17:03

zero-shot：基于对抗生成网络的零样本学习

GenerativeDualAdversarialNetworkforGeneralizedZero-shotLearning关键点：视觉——》语义——》视觉；语义——》视觉——》语义使用cycleLoss衡量视觉——视觉；语义——语义的损失使用Discriminator
DeepWWJ·2022-12-20 18:20

PaddlePaddle百度论文复现营——GAN入门学习笔记

GAN的核心思想是通过生成网络G(Generator)和判别网络D(Discriminator)不断博弈，来达到生成类真
Kevin-Pang·2022-12-17 07:59

GAN_1——基础知识

1GAN概述GAN主要由两个网络组成，一个是生成网络G(Generator)，另一个是判别网络D(Discriminator)。
A-Egoist·2022-12-17 07:52

深度学习之生成对抗网络（8）WGAN-GP实战

同时添加梯度惩罚项，实现如下：defgradient_penalty(discriminator,batch_x,fake_image):#梯度
炎武丶航·2022-12-16 09:32

对抗神经网络（GAN）

一、GAN的理论知识GAN有generator和discriminator两部分构成generator：主要是从训练数据中产生相同分布的samples，对于输入x，类别标签y，在生成式模型中
无微の大白·2022-12-16 09:01

pytorch 生成手写数字图像

生成器(Generator)：通过机器生成数据（大部分情况下是图像），目的是“骗过”判别器判别器(Discriminator)：判断这张图像是真实的还是机器生成的，目的是找出生成器做的“假数据”首先，固定判别器
南妮儿·2022-12-15 08:32

基于pytorch的dcgan网络的mnist手写体生成（附百度云整个工程文件夹）

文章目录引言generator网络结构部分discriminator网络结构部分train代码训练情况遇到的问题完整工程代码引言cgan全称是ConditionalGenerativeAdversarialNets
HNU_刘yuan·2022-12-15 01:49

Python基于Tensorflow实现DCGAN-动漫头像生成

目录前言DCGAN简介python代码1.导入python包、定义全局变量2.读取数据3.搭建生成器generator4.搭建判别器discriminator5.搭建GAN网络6.主函数7.补充：直接读模型生成图像运行结果
我不会写BUG·2022-12-12 10:24

29.GAN

目录GANWGAN代码GANWGANtrainingset是真实图像的分布Pr(x），generator根据Pg(x)分布，生成一个图像fakeimages，Discriminator通过学习两个分布，
派大星的最爱海绵宝宝·2022-12-12 00:18

Gan的loss函数

1.ClassicAdversarialLoss优化目标为：D(x)为经过sigmoid的输出值（1）在GAN第一阶段——求Discriminator，最大化实验中统计梯度是对最小值进行寻优的，因此实际操作上是对目标函数做最小化处理
qq_38101208·2022-12-10 00:33

GAN 起航篇

关于GAN的点滴理解1.关于Loss函数1.1Goodfellow大神的paper《GenerativeAdversarialNets》1.2Loss的具体选择1.3训练过程中generator和discriminator
L1_Zhang·2022-12-10 00:59

BCE loss function in GAN 公式理解

BCE（BinaryCrossEntropy）公式：GAN（GenerativeAdversarialNetwork）概念回顾GAN包括两个主要部分：generator（生成器）和discriminator
JunyiChen_robot·2022-12-09 23:26

【机器学习】什么是GAN 小孩都看得懂的 GAN

一言以蔽之，GAN包含了两个神经网络，生成器（generator）和辨别器（discriminator），两者互相博弈不断变强，即生成器产出的东西越来越逼真，辨别器的识别能力越来越牛逼。
百夫财富·2022-12-09 09:30

李宏毅《GAN Lecture》学习笔记1 - GAN

GAN的训练过程训练D的过程：固定Generator，并使用G随机生成N个样本，标注为0；从真实样本集合中，随机抽样M个样本，标注为1；训练Discriminator，用于分类上述的数据集。
dupei·2022-12-08 12:47

机器学习-36-GAN-03-Conditional GAN(有条件的GAN)

文章目录ConditionalGANText-to-ImageTraditionalsupervisedapproachConditionalGANAlgorithm(算法)ConditionalGAN-Discriminator
迷雾总会解·2022-12-08 12:16

【深度学习21天学习挑战赛】9、生成对抗网络（GAN）手写数字生成

鉴别器(Discriminator)：判断这张图
不负卿@·2022-12-07 07:23

Coupled Generative Adversarial Networks

details/60479883这篇文章（NIPS2016）是基于GenerativeAdversarialNetworks（GAN）而来的，GAN有两个部分，第一部分是生成器Generator，第二部分是判别器Discriminator
张博208·2022-12-06 00:32

SRGAN 图像超分辨率重建（Keras）

网络结构主要使用生成器（Generator）和判别器（Discriminator）。训练过程不太稳定。一般用于卫星图像，遥感图像的图像重建，人脸图像超分重
__不想写代码__·2022-12-05 20:01

pytorch基础（十一）- 生成对抗网络

目录生成对抗网络原理纳什均衡JS散度的缺陷EM距离GAN实战WGAN实战生成对抗网络原理我们无法知道数据的真实分布是什么，如何用数学公式表达；实际训练时Discriminator和Generator的损失如下
sherryhwang·2022-12-04 02:32

论文速读:Adversarially Learned One-Class Classifier for Novelty Detection [CVPR 2018]

ProposedApproach本文所用到的网路为两部分,R采用autoencoder，D是与R一同构成GAN的Discriminator部分。
攻城争先登·2022-12-03 11:08

对GAN中generator和discriminator的理解

参考资料：B站《李宏毅对抗生成网络(GAN)国语教程(2018)》首先介绍了极大似然估计的原理，假设我们有一组样本Pdata，我们需要估计出它的一个分布情况。比如，我们假设是一个正态的概率分布，θ就是这个正态分布的参数，我们就需要估计出合适的θ，使得从Pdata中采样x1，...xm，图中L的值最大。下面我通过简单地草图说明一下我的理解，假设红线是Pdata的真实分布（不一定是高斯的，可以是无数学
weixin_37901386·2022-12-03 03:54

GAN对抗生成网络原始论文理解笔记

文章目录论文：GenerativeAdversarialNets符号意义生成器(Generator)判别器(Discriminator)生成器和判别器的关系GAN的训练流程简述论文中的生成模型和判别模型
赤坂·龙之介·2022-12-03 03:52

pytorch loss.backward() 报错RuntimeError: select(): index 0 out of range for tensor of size [0, 1]解决方法

，以供后人参考问题描述：使用对抗生成模型，判别器和生成器，然后进行反向传播，基本代码结构如下G=Generator(3,3,32,norm='bn').apply(weights_init)D=MS_Discriminator
qq_45475106·2022-12-02 23:21

李宏毅深度学习笔记15（GAN-03）

本节在讨论如何将一个对象从一个域转换到另一个域,而不需要成对的数据.有两种做法,这节课主要介绍这两种做法.做法一:DirectTransformationgenerator可以生成类似DomainY的风格的图片,骗过Discriminator
稀里糊涂的小楠～·2022-12-02 12:47

李宏毅深度学习笔记14（GAN-02）

将GAN变为ConditionalGAN，两者的Generator是相同的，不同的是Discriminator。
稀里糊涂的小楠～·2022-12-02 12:17

[论文笔记] 弱监督语义分割 半监督语义分割

Adversariallearningforsemi-supervisedsemanticsegmentationBLOG@vi_wscGAN生成对抗网络：由两个子网络组成，generator和discriminator
holeung·2022-12-01 20:28

CycleGan人脸转为漫画脸，牛掰的知识又增加了！| 附代码

网络中有生成器G（generator）和鉴别器（Discriminator）。有两个数据域分别为X,Y。G负责把X域中的数据
我爱计算机视觉·2022-12-01 09:31

深度学习系列33：有标签的CGAN：Pix2Pix/Pix2PixHD/cycleGAN

Discriminator输入便被改成了同时输入c和x，输出要做两件事情，一个是判断x是否是真实图片，另一个是x和c是否是匹配的。
IE06·2022-12-01 05:01

Training Shallow and Thin Networks for Acceleration via KD with Conditional Adversarial Networks

其训练过程如下：Discriminator的更新过程如下：但Discriminator只使用学生和老师的标签作为loss函数的输入会让训练不稳定且缓慢，为了解决这个
蓝先生爱学习·2022-11-29 08:47

生成对抗网络GAN详解与代码

假设我们有两个网络，G（Generator）和D（Discriminator）。
weixin_30897233·2022-11-27 07:49

GANs综述

另一个是Discriminator。生成器的目标是学习生成虚假的样本分布来欺骗鉴别器。而鉴别器的目标是学习区分生成器生成的真实分布和虚假分布。GAN的总体结构由生成器
big_matster·2022-11-27 07:47

深度学习框架PyTorch一书的学习-第七章-生成对抗网络(GAN)

GAN生成动漫头像GAN解决了非监督学习中的著名问题：给定一批样本，训练一个系统能够生成类似的新样本生成对抗网络的网络结构如下图所示：生成器(generator)：输入一个随机噪声，生成一张图片判别器(discriminator
weixin_33768481·2022-11-26 14:45

Adversarial learning for semi-supervised semantic segmentation

GAN生成对抗网络：由两个子网络组成，generator和discriminator,在训练过程中，这两个子网络进行着最小最大值机制，generator用随机向量输出一个目标数据分布的样例，discriminator
vi_wsc·2022-11-25 22:30

全局稳定性收敛平衡点为0吗_GAN最新进展：8大技巧提高稳定性

GAN本质上是由两个神经网络组成的系统——生成器(Generator)和鉴别器(Discriminator)——二者相互竞争。给定一组目标样本，生成器试图生成能够欺骗鉴别器的样本，使鉴别
weixin_39707478·2022-11-25 10:40

GAN 简介

GAN原理：GAN的主要灵感来源于博弈论中零和博弈的思想，应用到深度学习神经网络上来说，就是通过生成网络G（Generator）和判别网络D（Discriminator）不断博弈，进而使G学习到数据的分布
Lemon_Yam·2022-11-25 07:14

在pytorch中停止梯度流的若干办法，避免不必要模块的参数更新

我们在深度模型训练过程中，很可能存在多个loss，比如GAN对抗生成网络，存在G_loss和D_loss，通常来说，我们通过D_loss只希望更新判别器(Discriminator)，而生成网络(G
Wanderer001·2022-11-25 00:10

GAN对抗生成神经网络训练生成二次元妹子+原理解释+代码+数据集

于2014年提出，其模型思想简单，一个生成器Generator生成虚假的数据，另外一个判别器Discriminator负责判断哪些是虚假的数据，哪些是真实的数据。GAN的用处很广，可以生成虚假图
Guapifang·2022-11-24 06:11

【论文笔记】GeDi:Generative Discriminator Guided Sequence Generation

GeDi:GenerativeDiscriminatorGuidedSequenceGeneration文章目录GeDi:GenerativeDiscriminatorGuidedSequenceGenerationAbstractMotivationMainideaandFrameworkClass-ConditionalLanguagemodelingGeDiMuti-topicGeDiExp
Feeedforward·2022-11-24 03:31

GAN 生成对抗网络

GAN则是由generator和discriminator共同组成。discriminator实质是一个二分类器，将生成的对象和真实的对象进行区分。
ゆる·2022-11-23 15:00

（已发布源码）图像修复——上下文编码器以及加入全局判别器的改进（Context Encoder and Global and Local Discriminator）

ContextEncoderandGlobalandLocalDiscriminatorContextEncoder，GlobalandLocalDiscriminatorContextEncoder（上下文编码器）在AE基础上modifychannel-wisefully-connectedlayer（创新点）ContextEncoder组成判别器Unsupervised-learningLos
Shlily.·2022-11-23 09:21
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他