The biggest donation is that it finds a way to implement Bayesian Parameter estimation(a posterior method). In Bishop's book(Pattern Recognation, 2008) he mentions that it is nearly impossible to implement a posterior parameter estimation, but in 2014 the GAN make a huge breakthrough. Before GAN, the most popular way is MLE and the aim is to get specific values of parameters, but with GAN, we can get the probability distribution of the parameter instead of a value.
尽管是3年前,还是要说谢谢老师,我理解更深入了一些
李老师真的太宝藏了
老师讲的真好。给台湾的老师点赞
謝謝老師!! 讓我可以快速理解GAN的內容
这个GAN教学,讲的很好。很容易听懂
Very clear explanation !!! Thanks
感谢,很有帮助,希望李老师能上传更多视频
1:23:27
想請問同一組 random vector 在訓練 generator 如果跑了很多個 epoch 是不用同樣容易產生 mode collapse 的問題, 因為看起來產生固定幾張很真實的照片是可以讓discriminate loss很高的
哈哈,谢谢老师的分享,感觉GAN比VAE好理解很多。
老师,有一个点没有想明白,为什么D找到的是max的JSDivergency, 而不是最小的呢?
台湾的老师真的讲的炒鸡棒,很详细也能听懂!!!!老师有空来大陆交流哦
thank you teacher! luv you, mua
who else got really sad when everyone picked G3 which means he won't go over it and skipped the reason? I picked G2 god damn it.
機器學習不可怕; 可怕的是作業;
老師!Pdata有沒有實際的意義?或者說如何去理解Pdata?
毫无疑问,GAN是当下最热的课题。但本人对这种方法的motivation仍然无法想清楚,很多的研究用GAN生成了很炫酷的结果,但问题是如果对于自然风光当然ok,有点什么偏差也不是什么大事。但如果是生成一张人脸,如果把一只眼睛放到了额头,或者少了一只眼睛,就算其它部分很真实,但一个小错误足以毁掉整个图片,这样的结果有意义吗?另外从实际应用的角度看,生成以假乱真的图片有何用途?如果用于解决样本不足的问题,这种生成的样本是否真的能学习到(猜测,估计)真实样本的分布吗?如果不能,那如何解决样本不足的问题。对这个问题认识不足,还请解答,谢谢!
建議可以參考老師上學期的ML課程, 有稍微解釋到這部分,
我自己的理解是當電腦能自動生成人臉, 代表電腦某種程度"理解"了人臉是甚麼,
也可透過分析Generator, 來了解電腦是如何"理解"人臉
Thanks.
可以做数据增强,见Data Augmentation in Classification using GAN和Unlabeled Samples Generated by GAN
Improve the Person Re-identification Baseline in vitro这两篇文章
谢谢您的关注与回复
The biggest donation is that it finds a way to implement Bayesian Parameter estimation(a posterior method). In Bishop's book(Pattern Recognation, 2008) he mentions that it is nearly impossible to implement a posterior parameter estimation, but in 2014 the GAN make a huge breakthrough. Before GAN, the most popular way is MLE and the aim is to get specific values of parameters, but with GAN, we can get the probability distribution of the parameter instead of a value.
能不能再传个tensorflow的视频,扶一扶小朋友
@@arthurphere 别给他,给我就好
老师,请问您houmepage上的课程对应的vedio之后会上传吗?
前面VAE的部分
minimize那個項這樣不是還是沒有避免學出sigma=0嗎@@
還是我搞錯什麼
老師, 助教的HW講解是不是沒有video
Thanks a lot
板凳,相当好
请问老师,视频PPT哪里能下载到?
李老师,你关于D-star的推导过程解释不严谨。 因为D是一个函数,所以D*的推导应该用变分的角度去看。结果是一致的,但用普通函数的角度去看,是不严谨的。
D*的推导是根据积分内那一项来给出的,D*就是使每一个x,让那一项有最大值(D足够capable),现在的x其实是固定的,所以D(x)就是一个变量(与x无关),所以不应该用变分的角度看
抢个沙发
Hello, are you a teacher? in which university?
National Taiwan University, Taipei, Taiwan
超棒!
有趣
english subtitles plz
Please make these tutorials in English also.
为啥这个没字幕
惊叹学生们都知道wgan!
数学不好听起来有点吃力
Please make it in English