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
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
评论