GAN原理介绍 GAN 来源于博弈论中的零和博弈，博弈双方，分别为生成模型与判别模型。 生成模型G捕捉样本数据的分布，用服从某一分布例如正太，高斯分布的噪声z来生成一个类似真实训练数据的样本，追求的效果是越像真实越好。 判别模型是一个二分类器，判别样本来自于训练数据还是真实数据的概率。如果来自于真实 ...
分类：
其他好文 时间：
2021-06-20 18:06:47
阅读次数：
0
基于序列到序列（seq2seq）的神经网络模型在开放领域对话生成的任务上经常会出现低丰富度（low-diversity）的问题，即生成的回复无趣且简单。因此，作者提出利用非对话的文本语料去提高对话模型的多样性。相比于传统的对话语料，非对话的文本语料不仅容易获得而且主题包罗万象，因此作者从论坛、书籍和 ...
分类：
其他好文 时间：
2021-06-09 10:39:45
阅读次数：
0
Paddle Inference原生推理库 深度学习一般分为训练和推理两个部分，训练是神经网络“学习”的过程，主要关注如何搜索和求解模型参数，发现训练数据中的规律，生成模型。有了训练好的模型，就要在线上环境中应用模型，实现对未知数据做出推理，这个过程在AI领域叫做推理部署。用户可以选择如下四种部署应 ...
分类：
其他好文 时间：
2021-02-16 11:43:17
阅读次数：
0
1、生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。 2、模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model） ...
分类：
其他好文 时间：
2020-07-25 23:42:46
阅读次数：
63
一、生成模型 假设有两个类别$C_{1}、C_{2}$，$P(C_{1}|x)=\frac{P(x|C_{1})P(C_{1})}{P(x|C_{1})P(C_{1})+P(x|C_{2})P(C_{2})}$其中$P(C_{1})、P(C_{2})$为先验分布，$P(x|C_{1})、P(x|C_ ...
分类：
其他好文 时间：
2020-07-22 20:50:01
阅读次数：
76
DECLARE @TableName sysname = 'TableName'; DECLARE @Result VARCHAR(MAX) = 'public class ' + @TableName + ' {'; SELECT @Result = @Result + ' /// <summar ...
分类：
数据库 时间：
2020-07-15 15:19:45
阅读次数：
85
先说结论，贝叶斯分类=最大化后验概率。 给定样本$x$和所属类别$c$，贝叶斯最优分类器欲最大化后验概率$P(c|x)$。想实现这个目的可以通过判别模型（如决策树、支持向量机等，直接对后验概率建模），或生成模型（对联合概率$P(x,c)$建模）。 对于生成模型，考虑： \[ P(c|x)=\frac ...
分类：
其他好文 时间：
2020-07-11 20:54:58
阅读次数：
68
pytorch 基础操作，生成模型，保存模型，导入模型，自定义数据集 ...
分类：
其他好文 时间：
2020-07-10 21:02:22
阅读次数：
103
1.创建一个数据库 2.使用 sequelize cli 初始化 项目的数据库配置信息 'npx sequelize init' 3.生成模型文件 1.migrate文件 2.model文件 'npx sequelize model:generate --name user --attributes ...
分类：
数据库 时间：
2020-07-10 11:38:06
阅读次数：
192
隐马尔可夫模型(Hidden Markov model, HMM) 结构最简单的动态贝叶斯网的生成模型 著名的有向图模型 典型的自然语言中处理标注问题的统计机器学模型 隐马模型发明者： 鲍姆-韦尔奇（美）(Baum-Welch算法) 隐马模型的三个基本问题： （1）概率计算问题：前向-后向算法—>动 ...
分类：
其他好文 时间：
2020-07-03 17:45:48
阅读次数：
63
