对抗生成网络（GAN）已经刷爆各大顶级会议，本课程用最通俗易懂的讲解带大家快速入门对抗生成网络，你也可以DIY各种生成数据。
深度学习项目实战-对抗生成网络
无限期 视频有效期
15节 节数
9954人 学习人数
课程评分
高校教师 / 培训机构讲师
计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。
参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战讲师。在图像识别领域有着丰富经验，实现过包括人脸识别，物体识别，关键点检测等多种应用的新算法。
参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
你将收获
适用人群
所有人
课程介绍
购买课程后，添加小助手微信（微信号：csdn500）回复【唐宇迪】
进入学习群，获取唐宇迪老师社群答疑
对抗生成网络在16年爆火,成了深度学习圈子里的家常话。课程首先讲解对抗生成网络基本原理，通过案例演示原理和流程。后项目实战对抗生成网络的升级版DCGAN，大家都可以基于DCGAN生成出来任何你喜欢的数据。 课程代码基于Tensorflow框架，案例与项目课时会通过debug的形式详解代码中每行的用法。
课程目录
大家都在学
讨论留言
正在加载中...
同学笔记
2020-09-17 16:23:57
1.生成网络模型G：
2.判别模型D：
3.损失函数：衡量模型输出值与真实值之间的差距，差距越小越好。因此，实际上，求损失函数的最小值是一致致力于完成的任务。最优值得到了，就能返过去调整模型的参数。
4. 损失函数最优值的求解，通过梯度下降法求得。
5. 真实数据满足高斯分布
没有更多了
