必威英雄联盟问题标记(generative-adversarial-networks)
对于与生必威英雄联盟成对抗网络(GANs)相关的问题,J. Goodfellow等人在2014年的论文生成对抗网络(generative adversarial Nets)中介绍。GAN由歧视模型(D)和生成模型(G),鉴别器D需要区分数据生成器生成的G和数据训练集,而发电机G需要生成数据,鉴别器D不能完成其任务。必威电竞
123个必威英雄联盟问题
3.
票
0答案
13次观点
1
投票
2答案
67的浏览量
1
投票
0答案
34次观点
8
票
1回答
96的浏览量
1
投票
0答案
15次观点
1
投票
1回答
26意见
他们所说的“矛盾损失”是什么意思?
在https://arxiv.org/pdf/2009.07047v1.pdf论文的第4页中,指出$VAE_1$的编码器$E_{R,X}$试图以一个矛盾的损失愚弄识别器,以确保$R$和$X$被映射…
0
票
0答案
27日视图
2
票
0答案
102意见
用GANs生成包含特定特征的假脸
我想了解Deepfakes是如何产生的,到目前为止,我明白他们主要通过使用GAN和AutoEncoders而产生。autoencoders部分是可以理解的,但是什么......
1
投票
1回答
25的观点
1
投票
1回答
29次观点
1
投票
1回答
38岁的观点
解释GaN中鉴别者假丢失和发电机损失之间的图形模式的差异
在GaN(生成的对抗网络)中,让我们将“二进制交叉熵”作为鉴别器的损失函数$$(总体\;丢失= - \ SUM log(d(x_i)) - \ sum log(1-d(g(z_i)))$$ $$在哪里\ ...
1
投票
0答案
31日视图
在矿山纸上,为什么$ \ hat {g} _b $偏见,指数移动平均值如何降低偏差?
在阅读互信息神经估计(Mutual Information Neural Estimation, MINE)的论文[1]时,我遇到了第3.2节修正随机梯度的偏差。提出的方法需要计算…
1
投票
0答案
25的观点
1
投票
0答案
86意见
0
票
0答案
24日视图