李宏毅對抗生成網(wǎng)絡(GAN)國語教程(2018)
?
Introduction P1 - 02:26
?
收錄了各種有名有姓的gan
?
Introduction P1 - 04:14
?
?
s生成東西：圖片、寫詩
Introduction P1 - 06:05
?
輸入文字、產(chǎn)生圖片or輸入圖片、產(chǎn)生另一張圖片
?
s輸入一個向量，影像生成：G的輸出就是一個高維向量
Introduction P1 - 08:06
??
Introduction P1 - 09:04
?
?
s輸出的數(shù)字越大，生成的圖片越真實
Introduction P1 - 10:42
?
?
Introduction P1 - 12:47
?
?
Introduction P1 - 14:57
?
?
Introduction P1 - 18:15
?
?
Introduction P1 - 21:49
?如果圖片是真實的，就給高分；如果是G生成的，就給低分
?
Introduction P1 - 27:01
??
Introduction P1 - 28:27
?前半部分訓練D
learning rate怎么調(diào)：Adam等進階的來設置learning rate
最后斯塔d更新幾次？是一個需要調(diào)的參數(shù)，由你自己決定
后半部分訓練G
?
Introduction P1 - 35:23
?
?
Introduction P1 - 38:16
?
?
Introduction P1 - 39:54
?GAN可以視為structure learning
什么是structure learning
structure learning舉例
?
Introduction P1 - 42:08
?structure learning是輸出的答案可能是training時一次也沒見到過的，可以視為一種創(chuàng)造
解決structure learning問題必須有規(guī)劃的概念，大局觀
?
c傳統(tǒng)的structure learning兩套方法
Introduction P1 - 47:02
?
?
Introduction P1 - 48:05
?
給每一個圖片assign一個vector
希望：input的vector和output的東西的特征有關(guān)系，怎么實現(xiàn)？learn一個encoder，給一個圖片，它把圖片的特征用向量表示
?
Introduction P1 - 51:22
?希望input和output越接近越好
?
Introduction P1 - 53:01
?數(shù)字產(chǎn)生器
?
Introduction P1 - 54:01
?training-data里的image有限
?
VAE，不僅會產(chǎn)生一個code，還會產(chǎn)生每一個dimension的variance
Introduction P1 - 54:54
?
就算輸入的vector是訓練時從沒見過的，output的東西仍然是合理的
?
Introduction P1 - 56:30
?Encoder 的 Dimension 是多少？
?
Introduction P1 - 58:10
??
Introduction P1 - 59:43
?auto-encoder的training少了什么東西
選擇在什么地方妥協(xié)
?
Introduction P1 - 01:03:34
?structure learning里面component和component之間的關(guān)系很重要
單純用一個G困難的地方
?
Introduction P1 - 01:07:50
?可以
?
Introduction P1 - 01:09:08
?D的優(yōu)勢
?
Introduction P1 - 01:15:27
?
?
Introduction P1 - 01:18:12
?
?
Introduction P1 - 01:24:56
?
?
Introduction P1 - 01:27:60
?
標簽：
