GAN（4）李巨集毅——理論
目錄
1：找出影象的分佈規律——生成器
1.1：之前的方法——最大似然估計
用Pdata的取樣，調整PG的引數，讓PG接近Pdata。
只考慮P(D | h)就是最大似然估計，即便一個猜測與資料非常符合，也並不代表這個猜測就是更好的猜測，因為這個猜測本身的可能性P(h)也許就非常低
產生的圖片非常非常模糊——這是由於高斯分佈本身的表達能力有限
1.2：genorator網路，看做是概率分佈——表達能力更高，判別器，看做KL優化
把D訓練到最好，輸出的loss就是判斷兩個分佈之間的差異
2：演算法
判別器是在測量差異，生成器是在減少差異
如果生成器訓練太多次，判別器就很難去測量差異
加快生成器的訓練
直觀上看起來就是這樣
相關推薦
GAN（4）李巨集毅——理論
目錄 1：找出影象的分佈規律——生成器 1.1：之前的方法——最大似然估計 用Pdata的取樣，調整PG的引數，讓PG接近Pdata。 只考慮P(D | h)就是最大似然估計，即便一個猜測與資料非常符合，也並不代表這個猜測就是更好的猜測，因
GAN李巨集毅（3）——無監督conditional GAN
目錄 存在的問題 從標籤得到圖片，然後用判別器更新生成器。如果標籤沒那麼精確，不是一對一的，計算判別器的時候就會出現問題，怎麼辦？ 問題——如果判別器不仔細設計，而生成器又比較深的話，會導致生成影象與原始影象差
李巨集毅機器學習 P12 HW2 Winner or Loser 筆記（不使用框架實現使用MBGD優化方法和z_score標準化的logistic regression模型）
建立logistic迴歸模型： 根據ADULT資料集中一個人的age，workclass，fnlwgt，education，education_num，marital_status，occupation等資訊預測其income大於50K或者相反（收入）。 資料集： ADULT資料集。
【李巨集毅深度強化學習2018】P3 Q-learning（Basic Idea）
第三講 Q-learning（Basic Idea） 視訊地址：http
李巨集毅機器學習PTT的理解（1）深度學習的介紹
深度學習的介紹 機器學習就像是尋找一個合適的函式，我們輸入資料就可以得到想要的結果，比如： 在語音識別中，我們輸入一段語音，函式的輸出值就是識別的結果；在影象識別中，輸入一張照片，函式可以告訴我們分類
【機器學習（李巨集毅）】 三、Bias and Variance
本講核心問題：Where does the error come from？ Review： 更復雜的模型不一定在測試集上有更好的表現 誤差由偏差“bias”導致 誤差由方差“variance”導致 Estimator： f^是計算poke
臺大李巨集毅--深度學習tip（模型優化）
訓練結果不好，並不總是因為過擬合 訓練結果不好，並不總是因為過擬合。有可能是你的training data都沒有訓練好，那最終結果一定不好 深度學習的層數越多，網路越複雜，並不一定模型會越複雜。有時會使得模型變簡單，變成欠擬合。 在機器學習中，要想
[機器學習入門] 李巨集毅機器學習筆記-1（Learning Map 課程導覽圖）
在此就不介紹機器學習的概念了。 Learning Map（學習導圖） PDF VIDEO 先來看一張李大大的總圖↓ 鑑於看起來不是很直觀，我“照虎
[機器學習入門] 李巨集毅機器學習筆記-5（Classification- Probabilistic Generative Model；分類：概率生成模型）
[機器學習] 李巨集毅機器學習筆記-5（Classification: Probabilistic Generative Model；分類：概率生成模型） Classification
[機器學習入門] 李巨集毅機器學習筆記-15 （Unsupervised Learning: Word Embedding；無監督學習：詞嵌入）
[機器學習入門] 李巨集毅機器學習筆記-15 （Unsupervised Learning: Word Embedding；無監督學習：詞嵌入） PDF VIDEO
2018-3-21李巨集毅機器學習視訊筆記（十三）--“Hello Wrold” of Deep learning
Keras：有關的介紹：總的來說就是一個深度學習框架keras - CSDN部落格https://blog.csdn.net/xiaomuworld/article/details/52076202軟體工程中的框架：一種可複用的設計構件（從巨集觀上大體結構的一種規定約束）軟體
[機器學習入門] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；邏輯迴歸）
[機器學習] 李巨集毅機器學習筆記-6 （Classification: Logistic Regression；Logistic迴歸） PDF VIDEO Three steps Step 1: Function Set
李巨集毅《機器學習（2017版）》課程筆記及心得 第1篇——Introduction of ML
1.首先，機器學習是什麼？機器學習，就是“根據所給資料，尋找一個函式，給出適當輸出”。通過這個函式，我們可以給它一個輸入，得到理想的、正確的輸出。我們通常需要給它資料，訓練一個機器的學習能力。例如：Speech Recognition就是我們給它一段音訊，它給我們識別，輸出這
[機器學習入門] 李巨集毅機器學習筆記-14 （Unsupervised Learning: Linear Dimension Reduction；無監督學習：線性降維）
[機器學習入門] 李巨集毅機器學習筆記-14 （Unsupervised Learning: Linear Dimension Reduction；線性降維） PDF VI
機器學習（臺灣李巨集毅版）學習筆記 gradient descent
梯度下降屬於線性迴歸的一個重要的部分。但是這種方法具有侷限性，在一般的情況下，並不能保證找到的區域性最小就是全域性最小。所以這種方法適用於目標函式是凸函式的情況（local minimum == global minimum）。即使是在凸函式中也不能保證最後找到
李巨集毅機器學習筆記-6 深度學習簡介（Brief Introduction of Deep Learning）
Brief Introduction of Deep Learning - 深度學習簡介 1. 前言 deep learning 在近些年非常熱門，從2012年開始，深度學習的應用數目幾乎是呈指數增長的。 深度學習的發展史如下圖：
國立臺灣大學-李巨集毅-2017年（秋）最新深度學習與機器學習應用及其深入和結構化研究課程分享
課程持續更新中，文末附分享目前已經release出來的視訊和ppt下載鏈接。 課程描述： 講解深度學習的基本理論，介紹深度學習各種實際應用。 期望和目標： 希望學習本門課程的學生學會： （1）、深度學習工作原理。 （2）、深度學習常用架構工作原理。
李巨集毅機器學習（2017full）-Lecture 2: Where does the error come from?
Where does the error come from? ML Lecture 2 Error的來源：Bias，Varience f^f^是計算pokemon真正的函式，只有Niantic公司知道 從訓練集上，我們得出的一個估計f∗f∗ 故像射擊
16、【李巨集毅機器學習（2017）】Unsupervised Learning: Deep Auto-encoder（無監督學習：深度自動編碼器）
本篇部落格將介紹無監督學習演算法中的 Deep Auto-encoder。 目錄 Deep Auto-encoder 輸入28*28維度的影象畫素，由NN encoder輸出code，code的維度往往小於784，但我們並不知道code的
讀《Deep Learning Tutorial》（臺灣大學 李宏毅 深度學習教學ppt）後雜記
sam min learning pos structure num 概念 獲得 any 原ppt下載：pan.baidu.com/s/1nv54p9R，密碼：3mty 需深入實踐並理解的重要概念： Deep Learning： SoftMax Fuction（輸出層