开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

GAN有没有异步训练方法？

GAN（生成对抗网络）是一种深度学习模型，由生成器和判别器两个部分组成，通过对抗训练的方式来生成逼真的数据样本。在传统的GAN训练中，生成器和判别器是交替进行训练的，即每次只更新一个模型的参数，而另一个模型保持不变。这种方式被称为同步训练方法。

然而，近年来研究者们提出了一些异步训练方法来改进GAN的训练效果。异步训练方法允许生成器和判别器同时进行参数更新，从而加快了训练速度并提高了模型的稳定性。

一种常见的异步训练方法是异步生成器和判别器更新。具体而言，生成器和判别器的参数更新是在不同的时间步进行的。例如，可以先更新生成器的参数，然后再更新判别器的参数，或者反之亦然。这种异步更新的方式可以减轻生成器和判别器之间的竞争关系，从而提高训练效果。

另一种异步训练方法是异步梯度更新。传统的GAN训练中，生成器和判别器的参数更新是基于对抗损失函数的梯度计算的。而在异步梯度更新中，生成器和判别器的参数更新是基于其他损失函数的梯度计算的。例如，可以使用生成器的重建损失函数或判别器的辅助分类损失函数来更新参数。这种方式可以引入额外的信息来指导模型的训练，从而改善生成器和判别器的学习能力。

总之，GAN可以采用异步训练方法来改进训练效果，包括异步生成器和判别器更新以及异步梯度更新。这些方法可以加快训练速度、提高模型的稳定性，并在生成对抗网络的各种应用场景中发挥重要作用。

腾讯云相关产品和产品介绍链接地址：

腾讯云AI Lab GAN：https://cloud.tencent.com/product/gan
腾讯云机器学习平台（ModelArts）：https://cloud.tencent.com/product/ma
腾讯云弹性计算（云服务器）：https://cloud.tencent.com/product/cvm
腾讯云云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
腾讯云区块链服务（Tencent Blockchain）：https://cloud.tencent.com/product/tbc
腾讯云音视频处理（云点播）：https://cloud.tencent.com/product/vod
腾讯云物联网平台（IoT Hub）：https://cloud.tencent.com/product/iothub
腾讯云移动开发平台（移动推送）：https://cloud.tencent.com/product/umeng
腾讯云网络安全（Web应用防火墙）：https://cloud.tencent.com/product/waf
腾讯云云原生应用平台（Tencent Cloud Native）：https://cloud.tencent.com/product/tke

相关搜索:sidekiq的任务有没有“组异步等待”？有没有可能使对象构造异步？有没有办法用WorkManager运行异步工作？有没有可能使GlobalConfiguration.Configure异步？有没有办法用SkiaSharp异步加载SVG绘图？有没有可能没有异步的多线程？有没有办法在vuex存储中实现异步函数？有没有办法在“香草”PHP中创建异步代码？C#异步IO:有没有办法确保任务的排序？有没有一种方法可以异步运行NRule引擎？有没有办法用旧的.net框架版本异步写入FileStream？有没有办法在sql server中编写异步sql查询？有没有办法在async.eachSeries内部运行异步等待？有没有办法异步加载大型SVG形状的各个部分？在c#中有没有异步读取datagridview数据的方法？有没有办法从外部访问异步函数内部的"fileSize“变量？有没有一种用ImageIcon和URL异步下载图片的方法？有没有办法对discord.py wait_for()使用异步检查函数？有没有一个好的库让Kotlin Coroutines异步访问Mongo？有没有办法使用discord.py wait_for的异步检查功能？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

谷歌大脑：像BigGAN那样生成高清大图不一定需要大量图像标签

正如 GoodFellow 所言，尽管 GAN 本身是无监督的，但高保真自然图像的生成（通常在 ImageNet 上训练）取决于能否访问大量标注数据。这并不奇怪，因为标签会在训练过程中引入丰富的辅助信息，从而有效地将极具挑战性的图像生成任务分成语义上有意义的子任务。

02

史上最强GAN被谷歌超越！标注数据少用90%，造假效果却更逼真

难以抉择也正常，反正都是假的。上面的照骗，都是左边出自S³GAN，右边的出自BigGAN之手。

03

AI可能真的要代替插画师了……

事先声明，这篇文章的标题绝不是在耸人听闻。事情的起因是今天早上在朋友圈看到同学在转发一篇论文，名字叫《Create Anime Characters with A.I. !》（论文地址：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf），打开一看，论文主要是通过各式属性生成二次元人物的头像，使用的方法是cGAN，效果非常impressive。下图左侧为通过属性blonde hair, twin tails, blush, smil

AI 可能真的要代替插画师了……

事先声明，这篇文章的标题绝不是在耸人听闻。事情的起因是前段时间在朋友圈看到同学在转发一篇论文，名字叫《Create Anime Characters with A.I. !》（论文地址：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf），打开一看，论文主要是通过各式属性生成二次元人物的头像，使用的方法是cGAN，效果非常impressive。下图左侧为通过属性blonde hair, twin tails, blush, smil

08

清华黄民烈朱小燕等提出ARAML，文本生成训练稳定性能新SOTA

论文链接：https://arxiv.org/pdf/1908.07195v1.pdf

02

AI 可能真的要代替插画师了……

事先声明，这篇文章的标题绝不是在耸人听闻。事情的起因是前段时间在朋友圈看到同学在转发一篇论文，名字叫《Create Anime Characters with A.I. !》（论文地址：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf），打开一看，论文主要是通过各式属性生成二次元人物的头像，使用的方法是cGAN，效果非常impressive。下图左侧为通过属性blonde hair, twin tails, blush, smil

03

迄今最真实的GAN：英伟达渐进增大方式训练GAN，生成前所未有高清图像

【新智元导读】昨天 NVIDIA Research 网站发布了一篇颇为震撼的GAN论文：Progressive Growing of GANs for Improved Quality, Stability, and Variation，通过使用逐渐增大的GAN网络和精心处理的CelebA-HQ数据集，实现了效果令人惊叹的生成图像。论文、数据集、代码都已经开放可获取，一起来看。论文：http://research.nvidia.com/sites/default/files/pubs/2017-10_Pr

【AI可能真的要代替插画师了】复旦同济用cGAN生成动画人物

【新智元导读】复旦大学、同济、CMU等的研究者使用cGAN生成各种属性的二次元人物头像，效果非常令人印象深刻。生成的图片质量非常之高，本文作者认为这项工作如果加以完善，完全可以在某种程度上替代掉插画师的一部分工作。网站：MakeGirls.moe（已有训练好的模型，打开就可以尝试生成）论文：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf（顺便一提，论文被制作成同人志在c92发布，厉害了！） Github：make.girls.

05

AI还原半世纪前的黑白电影和照片：效果惊艳在线可玩，网友大呼“鹅妹子嘤”

在Facebook的F8大会上，国外技术小哥Jason Antic展示了一种叫DeOldify的AI模型，这种技术为老电影上色效果堪称惊艳。

04

时下火热的wGAN将变革深度学习？这得从源头讲起

随着柯洁与AlphaGo结束以后，大家是不是对人工智能的底层奥秘越来越有兴趣？深度学习已经在图像分类、检测等诸多领域取得了突破性的成绩。但是它也存在一些问题。首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布，而实际上这两者存在一定的偏差。另一个问题是深度学习的模型（比如卷积神经网络）有时候并不能很好地学到训练数据中的一些特征。深度对抗学习（deep adversarial learning）就是为了解决上

wGAN如何解决GAN已有问题（附代码实现）

来源：AI100 作者：Michael Dietz 本文长度为2700字，建议阅读4分钟本文回顾从传统机器学习到wGAN的逻辑发展过程，并提供wGAN的代码实现。随着柯洁与AlphaGo的比赛结束以后，大家是不是对人工智能的底层奥秘越来越有兴趣？深度学习已经在图像分类、检测等诸多领域取得了突破性的成绩。但是它也存在一些问题。首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布，而实际上这两者存在一定的偏

09

基于腾讯云CVM搭建stable-diffusion-webui环境

CompVis/stable-diffusion 是一个开源项目，它实现了一种基于稳定扩散（Stable Diffusion）的生成对抗网络（GAN）训练方法。这个项目旨在提高 GAN 训练的稳定性和生成图像的质量。项目地址：https://github.com/CompVis/stable-diffusion

喵咪制造机：生成式对抗网络的花式画喵大法

2012年，吴恩达和Jeff Dean用Google Brain的1.6万个CPU所打造的大型神经网络，在被1000万YouTube视频中的猫图像训练三天后，自己画出了一张模糊的猫脸图。这是普通公众第一次领略到深度学习的威力。而后随着AlphaGo在围棋上先后虐杀人类冠军李世石、柯洁，公众对深度学习和人工智能的热情更胜以往。不过，神经网络自己画猫的技术，有没有随之进步呢？最近，一位在医院工作的猫奴生物统计学家Alexia，使用最新的生成式对抗网络GAN来测试深度学习的画猫技术。相比吴恩达三天才能

06

CVPR 2020 | 10篇改进GAN的论文（网络、训练、正则等）

引入新的局部稀疏注意力层，保留二维几何形状和局部性，用这种结构替换SAGAN的密集注意力层即可获得显着的FID、Inception score和视觉效果。https://github.com/giannisdaras/ylg

02

高分辨率256*256人脸生成效果介绍及代码

众所周知，训练GAN非常困难. In order to train at 256 x 256 we utilize:

04

NVIDIA 论文：用 GAN 生成高清图像 | ICLR 2018

虽然 ICLR 2018 将公开评审改成了评审人和作者相互不知道双方信息的双盲评审，但论文的投稿者仍然可以通过其他公开渠道对其论文进行推广。尤其对于大公司研究院来说，早早公开自己的论文能比盲审有额外加成。例如 AI 研习社就注意到，就在上周五 ICLR 论文投递截止后不久，NVIDIA 在 Blog 上就发布了一篇通过生成对抗网络（GAN）产生独特面孔的新方法，这篇论文正是 NVIDIA 投递到 ICLR 的论文之一。论文题目：Progressive Growing of GANs f

06

他在Google Brain实习了一年，总结出这么些心得

作者 | Ryan Dahl 去年，在我研究TensorFlow出了一番成果后，我开始申请Google Brain的首届见习项目（Google Brain Residency Program），最后居然成功了。受邀参加该项目的共有24人，每个人都有着不同的机器学习背景。我们24个人，需要在Google位于山景城的深度学习研究实验室工作一年，每天跟Google的科学家和工程师们一起，共同来做TensorFlow的前沿研究。想想就把我给兴奋坏了。如今，这个为期一年的项目已经结束了，确实收获满满。我也希望

程序员想搞机器学习？看看Nodejs之父这一年摸爬滚打的心路历程

本文是Nodejs之父Ryan Dahl在Google Brain做了一年深度学习后的心得体会，他在那里的目标是用机器学习将卓别林的老电影自动修改到4K画质。他的新项目成果几何？Nodejs之父的机器学习心得又是什么呢？鉴于Ryan Dahl在编程界的地位，小编觉得很有必要再给大家推送一次，更重要的是小编惦记那些错过本文的小伙伴儿~~ 作者 | Ryan Dahl 编译 | AI100 去年，在研究TensorFlow做出一番成果后，我开始申请Google Brain的首届见习项目，最后竟然成功了。受

07

CVPR 2020 | 10篇改进GAN的论文（网络、训练、正则等）

引入新的局部稀疏注意力层，保留二维几何形状和局部性，用这种结构替换SAGAN的密集注意力层即可获得显着的FID、Inception score和视觉效果。https://github.com/giannisdaras/ylg

02

我在谷歌大脑见习机器学习的一年：Node.js创始人的尝试笔记

大数据文摘作品编译：王一丁、于乐源、Aileen 本文作者Ryan Daul是Node.js的创始人，应该算是软件工程领域当之无愧的大犇了。他和我们分享了自己在谷歌大脑见习项目一年中的工作，成果，失败和思考。去年，在通过对TensorFlow的研究得出一点点心得之后，我申请并入选了谷歌大脑举办的的首届见习项目（Google Brain Residency Program）。该项目共邀请了24名在机器学习领域有着不同背景的人士，受邀者将在为期一年的时间里和Google的科学家及工程师们在位于山景城的Goo

03

学界 | 伯克利与OpenAI整合强化学习与GAN：让智能体学习自动发现目标

选自arXiv 机器之心编译参与：黄玉胜、吴攀强化学习（RL）和生成对抗网络（GAN）都是近来的热门研究主题，已经在许多领域得到了非常出色的表现。近日，伯克利和 OpenAI 的一项新研究将这两者组合到了一起。在一篇名为《用于强化学习智能体的自动目标生成（Automatic Goal Generation for Reinforcement Learning Agents）》的论文中，研究者提出了一种让智能体可以自动发现目标的方法。机器之心对该论文进行了摘要介绍，论文原文请参阅：https://arxi

05

研究人员使用更少的标记数据训练图像生成AI

生成AI模型倾向于学习复杂的数据分布，这就是为什么它们擅长于生成类似人类的语言，以及以假乱真的汉堡和人脸图像。但是训练这些模型需要大量标记数据，并且根据手头的任务，必要的语料库有时会供不应求。

02

什么是生成对抗网络（GAN）| 小白深度学习入门

机器学习/深度学习模型所的一个主要任务就是：根据事物的属性（X）预测事物的标记（Y）。生成模型和判别模型，都能完成这个任务，但具体方法不同。

03

升级版APDrawing，人脸照秒变线条肖像画，细节呈现惊人

随着深度学习的发展，GAN模型在图像风格转换的应用越来越多，其中不少都实现了很好的效果。

01

谷歌获批GAN专利，一整套对抗训练网络被收入囊中

根据FPO（免费专利在线）信息显示，此项专利申请于2016年的9月份，生效于2019年的12月31日。

02

[高大上的DL] BEGAN: Boundary Equilibrium GAN

自己基本翻译了BEGAN，错误在所难免，希望有大神可以给我留言，我们也可以交流一下训练的一些事情。讲道理，我特别希望有人给我留言，不然我感觉我每天就是在自嗨！囧！ paper地址：https://arxiv.org/abs/1703.10717 by Google 摘要：Wepropose a new equilibrium enforcing method paired with a loss derived from theWasserstein distance for training auto-

03

生成学习全景：从基础理论到GANs技术实战

生成学习（Generative Learning）在机器学习领域中占据了重要的位置。它通过学习数据分布的方式生成新的数据实例，这在多种应用中表现出了其独特的价值。本节将深入探讨生成学习的核心概念，明确区分生成学习与判别学习，并探索生成学习的主要应用场景。

01

资源 | GAN 的渐进式训练方法 PI-REC：手绘草稿迅速重建为完整图像

AI 科技评论按：在图像处理中，生成对抗网络（GAN）的应用非常广泛。本文想给大家推荐一个使用基于 GAN 的渐进式训练方法 PI-REC，能从超稀疏二值边缘以及色块中还原重建真实图像的项目。

04

TransGAN：使用Transformer替换卷积也可以构建一个强力的GAN

几乎每个成功的GAN都依赖于基于CNN的生成器和鉴别器。卷积具有对自然图像处理的优势，对现代GAN具有吸引力的视觉效果和丰富的多样性做出了至关重要的贡献，但除优化困难外，这还可能导致特征分辨率和精细细节的损失（例如图像模糊）。

01

学界 | 百度提出使用GAN构建语音识别新框架

选自arXiv 作者：Anuroop Sriram等机器之心编译参与：李亚洲、李泽南百度最近发表的一篇论文提出使用生成对抗网络（GAN）目标来实现鲁棒的语音识别系统，作者表示新框架不依赖信号处理中经常需要的领域专业知识或简化假设，直接鼓励以数据驱动的方式产生鲁棒性。更多细节内容，请查看论文原文。自动语音识别（ASR）支持的语音助手、智能音箱等逐渐成为我们日常生活的一部分，例如 Siri、Google Now、Cortana、Amazon Echo、Google Home、Apple HomePod、

07

低清视频也能快速转高清：超分辨率算法TecoGAN

图像超分辨率技术指的是根据低分辨率图像生成高分辨率图像的过程，该技术希望根据已有的图像信息重构出缺失的图像细节。视频超分辨率技术则更加复杂，不仅需要生成细节丰富的一帧帧图像，还要保持图像之间的连贯性。

01

[计算机视觉论文速递] 2018-03-31

通知：这篇文章有10篇论文速递信息，涉及Re-ID、深度估计、超分辨率、显著性检测、GAN、VOA和卷积神经网络综述等方向往期回顾 [计算机视觉论文速递] 2018-03-30 TensorFlow和深度学习入门教程你现在应该阅读的7本最好的深度学习书籍 Re-ID [1]《Pose-Driven Deep Models for Person Re-Identification》 Abstract：行人重识别（re-id）是识别和匹配不重叠视图的摄像机记录的不同位置人员的任务。re-id的主要挑

仅用18天，英伟达新型GAN合成真假难辨高清明星脸

安妮编译整理量子位出品 | 公众号 QbitAI 考眼力：你能分出下面哪张图是电脑合成的吗？是这位神似年轻时莱昂纳多的神秘男子—— 还是这位卷发碧瞳女士—— 难以分辨。但事实是，上面两张均为

03

综述 | 一文帮你发现各种出色的GAN变体

选自Guimperarnaublog 作者：Guim Perarnau 机器之心编译参与：赵华龙、黄小天你是否曾经想了解生成对抗网络（GAN）？也许你只是想赶时髦？或者也许只想看看这些网络在过去几年中的改进？那么在这些情况下，你没准会对这篇文章感兴趣！本文不涉及的内容首先，你不会在本文中发现：复杂的技术说明代码（尽管有为那些感兴趣的人留的代码链接）详尽的研究清单（点击这里进行查看链接：http://suo.im/2opXlF）本文涉及的内容关于 GAN 的相关主题的总结许多其他网站、帖

07

一张照片就能生成3D模型，GAN和自动编码器碰撞出奇迹，苏黎世联邦理工学院出品

萧箫发自凹非寺量子位 | 公众号 QbitAI 2D图片“脑补”3D模型，这次真的只用一张图就行了—— 只需要给AI随便喂一张照片，它就能从不一样的角度给你生成“新视图”：不仅能搞定360°的椅子和汽车，连人脸也玩出了新花样，从“死亡自拍”角度到仰视图都能生成：更有意思的是，这只名叫Pix2NeRF的AI，连训练用的数据集都有点“与众不同”，可以在没有3D数据、多视角或相机参数的情况下学会生成新视角。可以说是又把NeRF系列的AI们卷上了一个新高度。用GAN+自动编码器学会“脑补” 在此之

03

ICLR 2017 GAN 生成模型相关论文介绍

链接：https://www.zhihu.com/question/52311422/answer/130508707

02

BGAN：支持离散值、提升训练稳定性的新GAN训练方法

首先，让我们温习一下GAN（对抗生成网络）的概念。简单来说，GAN是要生成“以假乱真”的样本。这个“以假乱真”，用形式化的语言来说，就是假定我们有一个模型G（生成网络），该模型的参数为θ，我们要找到最优的参数θ，使得模型G生成的样本的概率分布Qθ与真实数据的概率分布P尽可能接近。即：

02

Github开源趋势榜Top 1：英伟达升级发布二代StyleGAN，效果更完美

2018 年底，英伟达借鉴风格迁移的思路，提出当时最先进的无条件生成模型—— StyleGAN ，吸引了大家广泛关注。随后，代码开源，一位 Uber 工程师更是利用此模型设计了网站“ThisPersonDoesNotExist.com”，轰动一时。自此，对虚假信息生成技术的研究与讨论延续至今。

02

ICLR 2020 | 完胜 BERT，谷歌最佳 NLP 预训练模型开源，单卡训练仅需 4 天

并且，在同等计算资源的情况下，ELECTRA 的性能优于现有方法；而在参数量只有 1/30 的情况下，取得不逊于最先进 BERT 系列模型的性能。

03

分布式深度学习（I）：分布式训练神经网络模型的概述

原文： Distributed Deep Learning, Part 1: An Introduction to Distributed Training of Neural Networks 作者： Alex Black、Vyacheslav Kokorin 翻译： KK4SBB 责编：何永灿，关注人工智能，投稿请联系heyc@csdn.net或微信号289416419 本文是分布式训练神经网络模型三篇系列文章的第一篇。在第一篇文章，我们首先了解一下如何使用GPU分布式计算来显著提高深度学习模型

03

《Neural Rerendering in the Wild》论文解析

这篇关于神经网络重渲染的文章，来自CVPR2019 oral.探索在不同的外观（如季节和时间）下记录，建模和重新渲染场景。基于记录旅游地标的互联网照片，论文对照片进行3D重构，并将场景近似为点云。对于每张照片，将场景点云渲染为深度帧缓冲deep framebuffer，并训练神经网络以学习这些初始渲染到真实照片的映射。通过这种方法，我们可以在屏幕前就能获取罗马一天的观光之旅，或者基于这种方法，构建真实的游戏场景体验。该渲染网络还将潜在外观向量和指示诸如行人的瞬态对象的位置语义掩码作为输入，同时对该模型在多种多样的光照条件的数据集上进行评估。作者还提供了视频，展示对图像视点，外观和语义标签的逼真处理。

04

GAN最新进展：8大技巧提高稳定性

生成对抗网络 (GAN) 是一类功能强大的神经网络，具有广泛的应用前景。GAN 本质上是由两个神经网络组成的系统——生成器 (Generator) 和鉴别器 (Discriminator)——二者相互竞争。

04

ICLR 2020上，Transformers 有何新动向？

继昨天的「知识图谱@ICLR2020」之后，我们今天关注ICLR 2020 上 Transformer的研究动态。

04

J Cheminform｜使用具有自适应训练数据的GANs搜索新分子

今天给大家介绍的是美国橡树岭国家实验室的Andrew E. Blanchard等人于2021.2.23发表在Journal of Cheminformatics上的文章Using GANs with adaptive training data to search for new molecules。药物发现的过程涉及到对所有可能的化合物的空间进行搜索，生成对抗网络(GAN)为探索化学空间和优化已知化合物提供了一个有力工具。然而，训练GANs的标准方法可能导致模式崩溃，其中生成器主要产生与训练数据的一小部分密切相关的样本。相反，寻找新化合物需要超越原始数据的探索。在本文中，作者提出了一种训练GANS的方法，它促进增量探索，并利用遗传算法的概念限制模式崩溃的影响。在此方法中，来自生成器的有效样本被用来替换来自训练数据的样本。在替换过程中，作者考虑随机和引导选择以及重组。通过跟踪训练过程中产生的新化合物的数量，结果表明，对训练数据的更新大大优于传统的方法，增加了GANs在药物发现中的潜在应用。

03

皮克斯技术指导辞职读博：研究AI设计怪物，从《游戏王》卡牌开始

一位从皮克斯辞职又跑去读博的小哥Vavilala，最近就在研究让AI辅助人类原画师设计怪物这件事。

02

【MIT博士论文】利用临床和生物医学表征学习的结构和知识

来源：专知本文为论文介绍，建议阅读5分钟在本文中，我将探索新的生物医学数据预训练和表示学习策略，这些策略利用外部结构或知识来为局部和全局尺度的学习提供信息。用于健康和生物医学领域的机器学习的数据集通常是有噪声的，采样不规律，只有稀疏的标记，相对于数据和任务的维度都很小。这些问题推动了表示学习在这个领域的应用，它包含了各种技术，旨在产生适合下游建模任务的数据集表示。该领域的表示学习还可以利用生物医学领域的重要外部知识。在本文中，我将探索新的生物医学数据预训练和表示学习策略，这些策略利用外部结构或知识来为局

01

GAN初创者另有其人？IanGoodfellow：只是纯策略版本

GAN是深度学习领域非常火爆的研究主题，大家普遍认为它最早是由Ian Goodfellow 于2014年提出的。当然，也存在异议，比如 LSTM 之父 Jurgen Schmidhuber 就认为 GAN 是其1992年提出的PM模型的变体，甚至在 NIPS 2016会议上与 Ian Goodfellow 直接互怼，引发了热议。

04

Real-ESRGAN超分辨网络

研究背景：虽然盲超分辨率技术已经在恢复具有未知和复杂退化的低分辨率图像方面进行了许多尝试，但它们仍然远远不能解决一般真实世界的退化图像。

01

赠书 | 读懂生成对抗神经网络 GAN，看这文就够了

生成对抗神经网络（Generative Adversarial Nets，GAN）是一种深度学习的框架，它是通过一个相互对抗的过程来完成模型训练的。典型的GAN包含两个部分，一个是生成模型（Generative Model，简称G），另一个是判别模型（Discriminative Model，简称D）。生成模型负责生成与样本分布一致的数据，目标是欺骗判别模型，让判别模型认为生成的数据是真实的；判别模型试图将生成的数据与真实的样本区分开。生成模型与判别模型相互对抗、相互促进，最终生成模型能够生成以假乱真的数

01

【GAN大盘点】十款神奇的GAN，总有一个适合你！

【新智元导读】YannLecun曾赞誉GAN为“近十年来机器学习领域最有趣的想法”，一经提出便受万众瞩目。伴随着研究的逐步深入，GAN已然衍生出了多种多样的形态。Crazymuse AI近期在Youtube中推出一个视频，介绍了十大GAN背后的数学原理。本文便带领读者盘点一下这些各具特色的GAN。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭