品牌型号:lenovo ThinkPad X250 系统:Windows 11 软件版本:
GAN网络是一种机器学习方法,是一种深度学习模型,是近年来最有前途的无监督学习方法之一。模型通过框架(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)相互博弈学习产生相当好的导出。
原始 GAN 理论上,没有要求 G 和 D 它们都是神经网络,只需要拟合相应的生成和识别函数。但在实践中,深度神经网络一般被用作实践中的深度神经网络。 G 和 D 。一个优秀的GAN应用需要良好的训练方法,否则可能会因为神经网络模型的开放而导出不理想。
机器学习模型大致可以分为两种,生成模型(Generative Model)和判别模型(Discriminative Model)。识别模型需要输入变量 ,通过某种模型进行预测 。生成模型就是给出一些隐含的信息,随机生成观测数据。举个简单的例子:判断模型,给出一张图片,判断图片中的动物是猫还是狗。生成模型,给一系列猫的图片,生成一只新猫(不在数据中)
由于输出目标相对简单,很容易定义损失函数。但是对于生成模型,损失函数的定义并不那么容易。我们对生成结果的期望往往是一种模棱两可、数学公理化难以界定的范式。因此,不妨将生成模型的反馈部分交给判断模型。这是Goodfellow,他将机器学习中的两种模型,Generative和Discrimitive紧密结合在一起。
上一篇 : 光圈大小区别(光圈大小)
打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。