伯克利《生成对抗网络》综述(附257页ppt下载)

机器学习初学者

共 679字,需浏览 2分钟

 ·

2021-06-08 11:02

分享一个生成对抗网络GAN教程PPT,


关注公众号【深度学习初学者】,回复【20210601】(建议选中复制),即可获取

主要由UC伯克利教授Pieter Abbeel主讲,他曾师从吴恩达,现任伯克利机器人学习实验室主任、伯克利人工智能研究(BAIR)实验室联合主任;covariant.ai联合创始人,总裁兼首席科学家、OpenAI顾问。



  • 隐式模型的动机和定义
  • 原始GAN (Goodfellow et al, 2014)
  • 评估指标: Parzen、Inception、Frechet
  • 一些理论: 贝叶斯最优判别器; Jensen-Shannon散度; 模式崩溃; 避免饱和
  • GAN进展
    DCGAN (Radford et al, 2016)
    改进GANs训练(Salimans et al, 2016)
    WGAN, WGAN- gp, Progressive GAN, SN-GAN, SAGAN
    BigGAN, BigGAN- deep, StyleGAN, StyleGAN-v2, VIB-GAN
  • 极具创造力的条件GAN
  • GANs与表征
  • GANs作为能量模型
  • GANs与最优传输,隐式似然模型,矩匹配?
  • 对抗性损失的其他用途:迁移学习等
  • GANs和模仿学习

关注公众号【深度学习初学者】,回复【20210601】(建议选中复制),即可获取

浏览 33
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报