三年一梦

摘要： 一、泊松分布 日常生活中，大量事件是有固定频率的。 某医院平均每小时出生3个婴儿 某公司平均每10分钟接到1个电话 某超市平均每天销售4包xx牌奶粉 某网站平均每分钟有2次访问 它们的特点就是，我们可以预估这些事件的总数，但是没法知道具体的发生时间。已知平均每小时出生3个婴儿，请问下一个小时，会出生 阅读全文

摘要： 学习总结于国立台湾大学 ：李宏毅老师 EB-GAN： Energy-based Generative Adversarial Network MA-GAN：MAGAN: Margin Adaptation for Generative Adversarial Networks LS-GAN： Los 阅读全文

摘要： 先解决下keras可视化安装graphviz的问题： 注意安装顺序： 1. 使用pytorchviz进行pytorch执行过程的可视化 demo： 详见： https://github.com/szagoruyko/pytorchviz 阅读全文

摘要： 关于自编码器的原理见另一篇博客 ： 编码器AE & VAE 这里谈谈对于变分自编码器（Variational auto-encoder）即VAE的实现。 1. 稀疏编码 首先介绍一下“稀疏编码”这一概念。 早期学者在黑白风景照片中可以提取到许多16*16像素的图像碎片。而这些图像碎片几乎都可由64种 阅读全文

摘要： 解决方法1. 在终端执行： 但是每次要运行tensorflow时都得执行此命令，而且在Spyder、jupyter notebook中仍然报错。 解决方法2. 在bashrc中写入路径： 但是这还没解决我的问题。 解决方法3. 彻底解决 检查LD_LIBRARY_PATH 我的结果： ”:/usr/ 阅读全文

摘要： WassersteinGAN源码 作者的代码包括两部分：models包下包含dcgan.py和mlp.py, 这两个py文件是两种不同的网络结构，在dcgan.py中判别器和生成器都含有卷积网络，而mlp.py中判别器和生成器都只是全连接。 此外main.py为主函数，通过引入import mode 阅读全文

摘要： 学习总结于国立台湾大学 ：李宏毅老师 WGAN前作：Towards Principled Methods for Training Generative Adversarial Networks WGAN： Wasserstein GAN Improved WGAN: Improved Traini 阅读全文

摘要： 学习总结于国立台湾大学 ：李宏毅老师 f-GAN: Training Generative Neural Samplers using Variational Divergence Minimization 本文Outline 一句话介绍f-GAN: you can use any f-diverg 阅读全文

摘要： 学习总结于国立台湾大学 ：李宏毅老师 自编码器 AE (Auto-encoder) &　变分自动编码器VAE(Variational Auto－encoder) 学习编码解码过程，然后任意输入一个向量作为code通过解码器生成一张图片。 VAE与AE的不同之处是：VAE的encoder产生与nois 阅读全文

摘要： 学习总结于国立台湾大学 ：李宏毅老师 Author: Ian Goodfellow • Paper: https://arxiv.org/abs/1701.00160 • Video: https://channel9.msdn.com/Events/Neural-Information-Proce 阅读全文