有哪些可以免费做高数题的网站,优化课程,泉州建站模板厂家,免费咨询造成损害点击上方“算法猿的成长“#xff0c;关注公众号#xff0c;选择加“星标“或“置顶”总第 137 篇文章#xff0c;本文大约 1000 字#xff0c;阅读大约需要 5 分钟今天介绍的一个开源的 github 项目#xff0c;主要是实现了对 GAN 训练过程的可视化代码#xff0c;项目链… 点击上方“算法猿的成长“关注公众号选择加“星标“或“置顶”总第 137 篇文章本文大约 1000 字阅读大约需要 5 分钟今天介绍的一个开源的 github 项目主要是实现了对 GAN 训练过程的可视化代码项目链接如下https://github.com/EvgenyKashin/gan-vis或者点击文章底部“阅读原文”直接跳转。接下来是简单介绍这份代码的情况基本实现的功能效果等。前言这是一个简单实现了学习和可视化 2d 的 GANs 的实验代码。在训练了数十个小时的 StyleGAN 后现在可以通过快速的迭代30s 左右来直观的可视化一些超参数的情况但是并不确定这种直观情况是否可以适用于更大的 GAN 模型。主要是受到 https://poloclub.github.io/ganlab/ 的启发但可能有人更希望在 Colab 中运行代码。可视化对训练的动态过程的可视化包括了真实数据的分布情况黑色的点输入固定的噪音然后由 G 网络生成的假数据D 网络对整个输入空间的决策边界以及用不同颜色代表其输出的概率红色代表判定为真实数据的可能性很高蓝色则是低绿色箭头表示每个生成的数据点最大化 D 网络输出的方向可视化结果接下来是展示可视化的一些效果没有采用 batch-norm 的 G 和 D 的训练情况加入 batch-norm 的 G 和 D 的训练情况评价标准的可视化第一行是训练的过程输入是固定的噪音以及多种评判标准G 和 D 的梯度归一化losses 以及 D 对真假数据的输出。第二行展示了输入噪音以及 G 网络中间层的激活函数映射为 2 维对输入噪音的 G 网络的转换可调试的选项输入数据的分布batch 大小训练的 epochsD 和 G 的学习率可能是最重要的D 和 G 的优化器输入噪音的分布神经元的数量激活函数损失函数BCE,L2)权重初始化正则化batch-normdropout权重衰减采用的是 CPU因为对可视化的实验已经满足速度的要求。未来的工作增加更多的损失函数增加更多的正则化技术项目代码可以直接访问 github 查看或者关注我的公众号--【算法猿的成长】在后台回复“play_gans获取代码。精选AI文章1. 2020年计算机视觉学习指南2. 是选择Keras还是PyTorch开始你的深度学习之旅呢3. 编写高效的PyTorch代码技巧上4. 编写高效的PyTorch代码技巧下5. 深度学习算法简要综述(上)6. 深度学习算法简要综述(下)7. 10个实用的机器学习建议8. 实战|手把手教你训练一个基于Keras的多标签图像分类器精选python文章1. python数据模型2. python版代码整洁之道3. 快速入门 Jupyter notebook4. Jupyter 进阶教程5. 10个高效的pandas技巧精选教程资源文章1. [资源分享] TensorFlow 官方中文版教程来了2. [资源]推荐一些Python书籍和教程入门和进阶的都有3. [Github项目推荐] 推荐三个助你更好利用Github的工具4. Github上的各大高校资料以及国外公开课视频5. GitHub上有哪些比较好的计算机视觉/机器视觉的项目欢迎关注我的微信公众号--算法猿的成长或者扫描下方的二维码大家一起交流学习和进步 如果觉得不错在看、转发就是对小编的一个支持
