主页 演示 简介 项目介绍 项目演示阅读更多 2019年 04月18日 0 阅读 项目介绍 简介 项目介绍 项目演示阅读更多 2019年 04月18日 0 阅读 简介 简介 项目介绍 项目演示阅读更多 2019年 04月18日 0 阅读 「CV」 图像处理问答 阅读更多 Q&A 2019年 04月11日 0 阅读 「Python」 入门 End 附录 A 参考资料阅读更多 Q&A 2019年 04月11日 0 阅读 「C++」 入门 编程基础 C++ C C++ 的区别 static 对象内存分布 struct-class 虚函数 深浅拷贝 菱形继承 const 字节对齐 ...阅读更多 Q&A 2019年 04月11日 0 阅读 「NLP」 自然语言处理问答 阅读更多 Q&A 2019年 04月11日 0 阅读 「ML」 机器学习问答 阅读更多 Q&A 2019年 04月11日 0 阅读 「DL」 深度学习问答 阅读更多 Q&A 2019年 04月11日 0 阅读 「Linux」 入门 阅读更多 Q&A 2019年 04月11日 0 阅读 「DL」 GAN 模型汇总 阅读更多 2019年 04月10日 0 阅读 「DL」 GAN 的数学原理 阅读更多 2019年 04月10日 0 阅读 「DL」 GAN 百问 阅读更多 Q&A 2019年 04月10日 0 阅读 「DL」 GAN 生成模型评估 实验发现，MMD 和 1-NN two-sample test 是最为合适的评价指标，这两个指标可以较好的区分真实样本和生成的样本, mode collapsing，且计算高效； 总体说来，GAN 的学习是一个无监督学习过程，所以很难找到一个比较客观的，可量化的评估指标；有许多指标在数值上虽然高，但是生成效果却未必好；总之，GAN的评价目前依然是一个开放性的问题；阅读更多 2019年 04月09日 0 阅读 「DL」 GAN 的训练技巧 阅读更多 2019年 04月09日 0 阅读 「DL」 生成模型简介 生成模型即能够产生同类型新数据的模型；可以根据输入产生我们所期望的输出；阅读更多 2019年 04月09日 0 阅读 「DL」 生成手写数字 阅读更多 2019年 04月09日 0 阅读 「DL」 GAN 展望 阅读更多 2019年 04月09日 0 阅读 「DL」 GAN 中的难题 GAN 解决了生成式模型的一些问题, 并且对其他方法的发展也有一定的启发意义, 但是 GAN 并不完美, 它在解决已有问题的同时也引入了一些新的问题；阅读更多 2019年 04月09日 0 阅读 「DL」 GAN 的应用 过去 AI 擅长处理大数据，但是对于生成类任务，像艺术创作，被认为是人类专属；GAN 的出现改变了这一现状；阅读更多 2019年 04月09日 0 阅读 共计 516 篇文章，26 页。 1 17 18 19 26
「C++」 入门 编程基础 C++ C C++ 的区别 static 对象内存分布 struct-class 虚函数 深浅拷贝 菱形继承 const 字节对齐 ...阅读更多 Q&A 2019年 04月11日 0 阅读
「DL」 GAN 生成模型评估 实验发现，MMD 和 1-NN two-sample test 是最为合适的评价指标，这两个指标可以较好的区分真实样本和生成的样本, mode collapsing，且计算高效； 总体说来，GAN 的学习是一个无监督学习过程，所以很难找到一个比较客观的，可量化的评估指标；有许多指标在数值上虽然高，但是生成效果却未必好；总之，GAN的评价目前依然是一个开放性的问题；阅读更多 2019年 04月09日 0 阅读
「DL」 GAN 中的难题 GAN 解决了生成式模型的一些问题, 并且对其他方法的发展也有一定的启发意义, 但是 GAN 并不完美, 它在解决已有问题的同时也引入了一些新的问题；阅读更多 2019年 04月09日 0 阅读