机器学习 李宏毅 L28L29-Deep Generative Model
生成模型1： Pixel RNN 产生图像时，每次产生一个像素点。也就是，训练一个网络，输入为一个三维的vector，输出为另外一个三维的vector。可以使用Pixel RNN进行图像生成、语音生成等。 如果需要练习，可以提供该课程提供的792个Pokemon突袭那个，图像为20*20大小,数据库地址。实验结果如下图： 生成模型2： VAE (Variational Autoencoder) V
相关文章
- 1. 李宏毅——Flow-based Generative Model
- 2. 李宏毅：evaluation of generative model
- 3. 李宏毅机器学习笔记（5）： Classification：Probabilistic Generative Model
- 4. 李宏毅机器学习笔记
- 5. 【ML】 李宏毅机器学习笔记
- 6. 李宏毅机器学习入门学习笔记（四） Classification：Probabilistic Generative Model
- 7. 李宏毅2020机器学习04 - Classification
- 8. 【机器学习】李宏毅HW2：Incoming Prediction
- 9. 李宏毅 机器学习笔记 Classification
- 10. 李宏毅机器学习（四）
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 李宏毅——Flow-based Generative Model
- 2. 李宏毅：evaluation of generative model
- 3. 李宏毅机器学习笔记（5）： Classification：Probabilistic Generative Model
- 4. 李宏毅机器学习笔记
- 5. 【ML】 李宏毅机器学习笔记
- 6. 李宏毅机器学习入门学习笔记（四） Classification：Probabilistic Generative Model
- 7. 李宏毅2020机器学习04 - Classification
- 8. 【机器学习】李宏毅HW2：Incoming Prediction
- 9. 李宏毅 机器学习笔记 Classification
- 10. 李宏毅机器学习（四）