2018年9月)做了关于GAN的教学

原标题:微软剑桥研究院153页最新GAN教程(附代码)

【导读】Sebastian
Nowozin在机器学习夏季课程(MLSS
2018年9月)做了关于GAN的教学,153页PPT详尽的解释了GAN的发展脉络和最新进展,此外他所提供原版大小为286MB
的pptx中包含大量动画效果,对课程的理解很有帮助。

Sebastian
Nowozin是微软剑桥研究院首席研究院,专注于无监督于表示学习。他在GAN领域做了大量的工作,同时也是著名的f-GAN的作者。

在训练 GAN
方面似乎有两三个阵营:第一个当然就是GAN的发明Ian
Goodfellow以及他所供职的OpenAI和谷歌的一帮研究人员;**
第二个强大的阵营也就是以这篇教程作者Sebastian
Nowozin 为代表的微软阵营**;第三就是其他了

此次教程主要有以下几个部分:

概率模型

GANs的几个示范应用

评价原则

GAN 模型

  • 差异性与f-GAN 家族
  • 基于积分概率度量(IPM)的GAN: MMD
  • 基于积分概率度量(IPM)的GAN: Wasserstein GANs

问题与如何修正:模式崩溃(modecollapse)与不稳定性(Instability)

隐式模型

开放性研究问题

GAN网络是近两年深度学习领域的新秀,一时风头无两。从计算机视觉顶会盛会CVPR
2018接受的论文统计就可见一斑:根据Google Research的研究科学家Jordi
Pont-Tuset做的一个统计,它通过查看这些论文的类型,看到了未来深度学习的发展趋势。结果,他发现生成对抗网络(GAN)强势出击,大有取代“深度学习”(Deep
Learning)之势。

下面这张图展示了CVPR
2018的论文题目中,关键词GAN、Deep,以及LSTM的对比:

图片 1

在普通的“深度学习”走下坡路的同时,GAN慢慢的成为新宠,统计显示有8%的论文标题中含有GAN(这一数据相比2017年增长了2倍多)。

2018年9月)做了关于GAN的教学。此外用尽字母表的各种GAN的变体 X-GAN
的论文数量也是急剧增加:

图片 2

  • 2018年9月)做了关于GAN的教学。后台回复“GANMLSS” 就可以获取最新PPT下载链接2018年9月)做了关于GAN的教学。~

参考链接:

附PPT全文:

图片 3

图片 4

图片 5

图片 6

图片 7

图片 8

图片 9

图片 10

图片 11

图片 12

图片 13

图片 14

图片 15

图片 16

图片 17

图片 18

图片 19

图片 20

图片 21

图片 22

图片 23

图片 24

图片 25

图片 26

图片 27

图片 28

图片 29

图片 30

图片 31

图片 32

图片 33

图片 34

图片 35

图片 36

图片 37

图片 38

图片 39

图片 40

图片 41

图片 42

图片 43

图片 44

图片 45

图片 46

图片 47

图片 48

图片 49

图片 50

图片 51

图片 52

图片 53

图片 54

图片 55

图片 56

图片 57

图片 58

图片 59

图片 60

图片 61

图片 62

图片 63

图片 64

图片 65

图片 66

图片 67

图片 68

图片 69

图片 70

图片 71

图片 72

图片 73

图片 74

图片 75

图片 76

图片 77

图片 78

图片 79

图片 80

图片 81

图片 82

图片 83

图片 84

图片 85

图片 86

图片 87

图片 88

图片 89

图片 90

图片 91

图片 92

图片 93

图片 94

图片 95

图片 96

图片 97

图片 98

图片 99

图片 100

图片 101

图片 102

图片 103

图片 104

图片 105

图片 106

图片 107

图片 108

图片 109

图片 110

图片 111

图片 112

图片 113

图片 114

图片 115

图片 116

图片 117

图片 118

图片 119

图片 120

图片 121

图片 122

图片 123

图片 124

图片 125

图片 126

图片 127

图片 128

图片 129

图片 130

图片 131

图片 132

图片 133

图片 134

图片 135

图片 136

图片 137

图片 138

图片 139

图片 140

图片 141

图片 142

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群:
欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、
KG等)交流~

AI 项目技术 & 商务合作:bd@zhuanzhi.ai,
或扫描上面二维码联系!

2018年9月)做了关于GAN的教学。请关注专知公众号,获取人工智能的专业知识!返回搜狐,查看更多

责任编辑:

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图