Содержание Часть 1: Введение Часть 2: Manifold learning и скрытые (latent) переменные Часть 3: Вариационные автоэнкодеры (VAE) Часть 4: Conditional VAE Часть 5: GAN (Generative Adversarial Networks) и tensorflow Часть 6: VAE + GAN Для того, чтобы лучше понимать, как работают автоэнкодеры, а также чтобы в последствии генерировать из кодов что-то новое, стоит разобраться в том, что такое коды и как их можно интерпретировать. Читать дальше →
Автоэнкодеры в Keras Часть 1: Введение Содержание Часть 1: Введение Часть 2: Manifold learning и скрытые (latent) переменные Часть 3: Вариационные автоэнкодеры (VAE) Часть 4: Conditional VAE Часть 5: GAN (Generative Adversarial Networks) и tensorflow Часть 6: VAE + GAN Во время погружения в Deep Learning зацепила меня тема автоэнкодеров,…
Содержание Часть 1: Введение Часть 2: Manifold learning и скрытые (latent) переменные Часть 3: Вариационные автоэнкодеры (VAE) Часть 4: Conditional VAE Часть 5: GAN (Generative Adversarial Networks) и tensorflow Часть 6: VAE + GAN В прошлой части мы уже обсуждали, что такое скрытые переменные, взглянули на их распределение, а также…
Теория автоэнкодеров и генерирующих моделей последнее время получила серьезное развитие, но достаточно мало работ посвящено тому, как можно использовать их в задачах распознавания. При этом свойство автоэнкодеров получать скрытую параметрическую модель данных и…