上一页 1 2 3 4 5 6 ··· 10 下一页
摘要: 腾讯IOT 安卓开发初探 目的:将Andorid端作为一个物联网设备(device),然后将其安卓设备上面的数据发送到腾讯云IOT开发平台上。(这里我们将手机上面的GPS经纬度发送到腾讯云IOT平台上)。 腾讯IOT开发平台:https://console.cloud.tencent.com/iot 阅读全文
posted @ 2021-01-07 02:40 段小辉 阅读(879) 评论(0) 推荐(0) 编辑
摘要: 在上篇博客(AN网络之入门教程(四)之基于DCGAN动漫头像生成)中,介绍了基于DCGAN的动漫头像生成,时隔几月,序属三秋,在这篇博客中,将介绍如何使用条件GAN网络(conditional GAN)生成符合需求的图片。 这篇博客有一个错误,在接下来的文章中构建的网络是ACGAN网络,并不是cga 阅读全文
posted @ 2020-10-10 11:55 段小辉 阅读(1914) 评论(16) 推荐(1) 编辑
摘要: 博客于2021-08-15重新进行了更新,修改了网络结构(参考了Generate Anime Style Face Using DCGAN and Explore Its Latent Feature Representation)。添加了运行的环境: keras:2.4.3 tensorflow: 阅读全文
posted @ 2020-07-09 17:01 段小辉 阅读(4942) 评论(27) 推荐(1) 编辑
摘要: 如果说最经常被用来处理图像的网络模型,那么毋庸置疑,应该是CNN了,而本次入土教程的最终目的是做一个动漫头像生成的网络模型,因此我们可以将CNN与GAN结合,也就是组成了传说中的DCGAN网络。 DCGAN简介 DCGAN全称Deep Convolutional Generative Adversa 阅读全文
posted @ 2020-07-09 14:21 段小辉 阅读(6980) 评论(1) 推荐(2) 编辑
摘要: 在一篇博客GAN网络从入门教程(一)之GAN网络介绍中,简单的对GAN网络进行了一些介绍,介绍了其是什么,然后大概的流程是什么。 在这篇博客中,主要是介绍其数学公式,以及其算法流程。当然数学公式只是简单的介绍,并不会设计很复杂的公式推导。如果想详细的了解GAN网络的原理,推荐去看李宏毅老师的课程。B 阅读全文
posted @ 2020-07-05 15:18 段小辉 阅读(2392) 评论(0) 推荐(3) 编辑
摘要: GAN网络从入门教程(一)之GAN网络介绍 稍微的开一个新坑,同样也是入门教程(因此教程的内容不会是从入门到精通,而是从入门到入土)。主要是为了完成数据挖掘的课程设计,然后就把挖掘榔头挖到了GAN网络这里来了。当然,我也是新手上路,如有任何问题,欢迎在评论区留言。 生成式对抗网络是20年来机器学习领 阅读全文
posted @ 2020-07-05 03:05 段小辉 阅读(10672) 评论(2) 推荐(5) 编辑
摘要: emm,花了一周时间完成了DQN的从入门到入土,这个系列是完完全全的入门系列,因为讲的内容很简单,内容也比较少,仅仅是一个最基本的介绍。 我也是因为偶然的原因才接触到强化学习,然后觉得很有意思,比较好奇它是怎么做到的,于是就花了一段时间去了解,接着就将自己的入门过程就写下来了。 这个系列相比较与数据 阅读全文
posted @ 2020-05-31 23:10 段小辉 阅读(991) 评论(0) 推荐(0) 编辑
摘要: 在DQN(Deep Q-learning)入门教程(四)之Q-learning Play Flappy Bird中,我们使用q-learning算法去对Flappy Bird进行强化学习,而在这篇博客中我们将使用神经网络模型来代替Q-table,关于DQN的介绍,可以参考我前一篇博客:DQN(Dee 阅读全文
posted @ 2020-05-31 22:16 段小辉 阅读(2559) 评论(2) 推荐(1) 编辑
摘要: 简介 DQN——Deep Q-learning。在上一篇博客DQN(Deep Q-learning)入门教程(四)之Q-learning Play Flappy Bird 中,我们使用Q-Table来储存state与action之间的q值,那么这样有什么不足呢?我们可以将问题的稍微复杂化一点了,如果 阅读全文
posted @ 2020-05-30 17:04 段小辉 阅读(6356) 评论(0) 推荐(0) 编辑
摘要: 在上一篇博客中,我们详细的对Q-learning的算法流程进行了介绍。同时我们使用了$\epsilon-贪婪法$防止陷入局部最优。 那么我们可以想一下,最后我们得到的结果是什么样的呢?因为我们考虑到了所有的($\epsilon-贪婪法$导致的)情况,因此最终我们将会得到一张如下的Q-Table表。 阅读全文
posted @ 2020-05-30 01:51 段小辉 阅读(3023) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 10 下一页