张宏伦

简介在个人电脑上，搭建编程所需的各项环境Anaconda一个涵盖了Python、pip以及常用Python包的软件，https://www.anaconda.com/download/，根据操作系统进

为什么做这门课兴趣是最好的老师用Python做一些有意思的案例和应用，内容和领域不限，可以包括数据分析、自然语言理解、计算机视觉，等等等等一个将各种有趣项目整合在一起的大合集学了能干嘛并非专门为了某一

以G为例，维护一个历史假Y图片集合，例如50张。每次G生成假Y之后将其加到集合中，再从集合中随机地取出一张假Y，和一张真Y一起输入给判别器进行判别。这样一来，假Y集合代表了G根据X生成Y的平均能力，使得训练更加稳定

简介介绍基于CGAN的pix2pix模型，可用于实现多种配对图像翻译任务原理配对图像翻译包括很多应用场景，输入和输出都是图片且尺寸相同街道标注，街道实景楼房标注，楼房实景黑白图片，上色图片卫星地图，简

训练模型，CelebA中男女比例均衡，因此每次迭代随机取一批数据训练即可。但现在由于原始数据中各类标签分布不均匀，所以需要完整地迭代数据 生成的二次元头像如下，每一行对应的头发颜色、发型、眼睛颜色相同，其他属性随机。少部分结果不太好，可能是某些噪音或条件的问题

和CGAN不同的是，C不直接输入D。D不仅需要判断每个样本的真假，还需要完成一个分类任务即预测C，通过增加一个辅助分类器实现 定义损失函数，加上分类部分对应的损失。理论上分类问题应该用交叉熵作为损失函数，这里使用MSE效果也不错 固定条件，渐变噪音。

更重要的是，WGAN提供了一种更稳定的GAN框架。DCGAN中的G去掉Batch Normalization就会崩掉，但WGAN则没有这种限制 如果用Deep Convolutional结构实现WGAN，那么其结果和DCGAN差不多。但是在WGAN的框架下，可以用更深更复杂的网…

图像：四维tensor，NHWC，即样本数量、高度、宽度、通道数。用conv2d，卷的是中间的两个维度，即高度和宽度 文本序列：三维tensor，NTE，即样本数量、序列长度、词向量维度。用conv1d，卷的是中间的一个维度，即序列长度。和N-gram类似，词向量维度对应通道数

简介Dlib由C++编写，提供了和机器学习、数值计算、图模型算法、图像处理等领域相关的一系列功能官方网站：http://dlib.net/Github项目：https://github.com/dav