摘要：
目录第一部分：GAN 的核心理论 - “伪造者”与“鉴赏家”的博弈第二部分：从 GAN 到 DCGAN - 为图像而生的进化第三部分：PyTorch 代码实现 (DCGAN 生成 MNIST 手写数字) 第一部分：GAN 的核心理论 - “伪造者”与“鉴赏家”的博弈 想象一个场景：一个新手伪造者（G 阅读全文
posted @ 2025-07-29 20:53
jack-chen666
阅读(53)
评论(0)
推荐(0)
摘要：
第一阶段：奠定基础 (机器学习与深度学习) 目标：理解图像生成所必需的神经网络、优化算法、反向传播等核心概念。 推荐资源： 书籍：《动手学深度学习》(Deep Learning with PyTorch/TensorFlow/MXNet) 链接 (GitHub): https://github.co 阅读全文
posted @ 2025-07-29 19:03
jack-chen666
阅读(48)
评论(0)
推荐(0)
摘要：
目录模型训练样本生成总结pytorch实现 参考：https://zhuanlan.zhihu.com/p/614498231 模型训练 我们可以直接基于原始数据 \(X_0\) 来对任意 \(t\) 步的 \(X_t\) 进行采样,那么在实际训练过程中，我们不必将所有的时间片都拿来训练。而采取直接 阅读全文
posted @ 2025-07-29 14:37
jack-chen666
阅读(22)
评论(0)
推荐(0)
摘要：
目录思想前向过程 (Forward Process)反向过程 (Reverse Process)损失函数核心组件：U-Net代码生成图像（采样）流程 (伪代码) 思想 扩散模型是一类强大的深度生成模型，它通过模仿物理学中的扩散过程来生成高质量的数据，尤其在图像生成领域取得了巨大的成功，例如大家熟知的 阅读全文
posted @ 2025-07-29 13:30
jack-chen666
阅读(19)
评论(0)
推荐(0)
摘要：
目录从身高分布理解“采样”将这个概念应用到图片上为什么这个视角如此重要？总结这个概率分布长什么样子？专业术语：流形（Manifold）AI眼中的分布是什么样子？ 怎么理解 一张图片是一个概率分布采样的结果???这是一个非常深刻且核心的问题，理解了它，就等于理解了所有生成式模型（包括GAN、VAE以及 阅读全文
posted @ 2025-07-29 09:06
jack-chen666
阅读(76)
评论(0)
推荐(0)
浙公网安备 33010602011771号