[B! GAN] u_wot_m8のブックマーク

u_wot_m8 id:u_wot_m8

GANに関するu_wot_m8のブックマーク (6)

https://matthew-a-chan.github.io/EG3D/
u_wot_m8 2022/03/29
GAN
リンク
pythonでGANの勉強2 変分オートエンコーダ・畳み込みVAE - Qiita
pythonでGANの勉強をしていきたいと思います。自分の勉強のメモとなります。コードが見づらかったり、正しくない場合があるかもしれません。実装については怪しい部分がありますので何か気づいたらご指摘いただければと思います。前回はオートエンコーダについて学びました。今回は、変分オートエンコーダについて勉強していきます。「はじめてのディープラーニング」をもとにkerasやpytorchでも実装してみるという流れとなります。変分オートエンコーダ (VAE) 変分オートエンコーダでは、潜在空間は学習された平均値と標準偏差を持つ正規分布として表現される。まずエンコーダにより入力から平均ベクトル$\mu$と分散ベクトル$\sigma$を求める。これらを基に潜在変数$z$が確率的にサンプリングされ、$z$からデコーダにより元のデータが再現される。この$z$を調整することで連続的に変化
u_wot_m8 2022/01/20
Python

GAN
リンク
pythonでGANの勉強1 オートエンコーダ - Qiita
pythonでGANの勉強をしていきたいと思います。自分の勉強のメモとなります。コードが見づらかったり、正しくない場合があるかもしれません。まずは、オートエンコーダについて勉強していきます。「はじめてのディープラーニング」をもとにkerasやpytorchでも実装してみるという流れとなります。オートエンコーダはエンコーダとデコーダの2つの部分からなります。 1. エンコーダ訓練済みのエンコーダを使って、最初のデータ表現、例えば画像$x$を入力とすれば、その次元を$\tilde{y}$ を$\tilde{z}$ に減らす 2. 潜在空間($z$) ネットワークを訓練するにあたって、潜在空間に何らかの意味が形成される通常は入力より小さな次元で、中間ステップとして動作 3. デコーダ元の表現と同じものを、元の次元で再構築するこのステップにより$z$は$x^*$に変換されるオー
u_wot_m8 2022/01/19
Python

GAN
リンク
Deep Learningで綺麗なウミウシを生成したい - Qiita
u_wot_m8 2019/11/15
GAN

TensorFlow
リンク
GitHub - jamesli1618/Obj-GAN: Obj-GAN - Official PyTorch Implementation
u_wot_m8 2019/06/26
GAN
リンク
Generative Adversarial Network とは――トップ研究者が解説 | NVIDIA
ディープラーニングの業界で今もっともホットな話題である Generative Adversarial Network は、一般に「GAN」と呼ばれており、省力化しながらより多くのことを学習できるシステムの開発につながる可能性があります。 2014 年に GAN を発案したイアングッドフェロー (Ian Goodfellow) 氏のお話を聞いてみましょう。当時、彼はまだモントリオール大学で博士課程の学生でした。現在 Google の研究科学者を務める同氏は、先月開催された GPU テクノロジカンファレンス (GTC) において熱心に聞き入る聴衆を前に、GAN のしくみと理由を解説しました。 GAN は、AI――特にディープラーニング――の進化にとってきわめて大きな障害となる「膨大な手作業の必要性」を解消するものです。 Generative Adversarial Network: 「この
u_wot_m8 2019/03/25
GAN
リンク
1