摘要：
传统方法中，如何衡量一个generator ？—— 用 generator 产生数据的 likelihood，越大越好。 但是 GAN 中的 generator 是隐式建模，所以只能从 P_G 中采样但没法根据 pdf 算 likelihood。 一个方法是把从 P_G 中采样得到的点当作是一个高斯 阅读全文
posted @ 2019-09-03 20:49
王朝君BITer
阅读(1391)
评论(0)
推荐(0)
摘要：
Improving Supervised Seq-to-seq Model 有监督的 seq2seq ，比如机器翻译、聊天机器人、语音辨识之类的 。 而 generator 其实就是典型的 seq2seq model ，可以把 GAN 应用到这个任务中。 RL(human feedback) 训练目 阅读全文
posted @ 2019-09-03 16:39
王朝君BITer
阅读(1507)
评论(0)
推荐(0)
摘要：
InfoGAN 期望的是 input 的每一个维度都能表示输出数据的某种特征。但实际改变输入的一个特定维度取值，很难发现输出数据随之改变的规律。 InfoGAN 就是想解决这个问题。在 GAN 结构以外，把输入 z 分成两个部分 c 和 z' ，然后根据 generated data x 来预测给到 阅读全文
posted @ 2019-09-03 09:03
王朝君BITer
阅读(2708)
评论(0)
推荐(0)
浙公网安备 33010602011771号