일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
- Flow
- 캐나다콘도렌트
- iterm2꾸미기
- pytorch
- 터미널꾸미기
- 캐나다월세
- 캐나다 TD 한국인 직원 예약
- 캐나다 TDBAnk
- agnoster폰트꺠짐
- EATS
- 캐나다 TD 예약
- agnoster폰트
- iterm2자동완성
- 프라이탁
- 머신러닝
- Docker
- 콘도렌트
- 캐나다 TD 한국인 예약
- Generative model
- DTW
- 캐나다 은행 계좌 개설
- 프라이탁 존버
- agnoster폰트깨짐
- Normalizing flow
- GenerativeModel
- iterm2환경설정
- 딥러닝
- GAN
- MachineLearning
- 캐나다 은행계좌 개설
- Today
- Total
목록GAN (2)
TechNOTE
요약 conditional information을 GAN의 discriminator에 합치는 것을 projection based 로 하는 것을 제안했다. 기존에 input conditional information을 concat 하는 방식과는 다르고, 이 방법으로 class conditional image generation task에서 SOTA 달성했다고 한다. https://github.com/pfnet-research/sngan_projection pfnet-research/sngan_projection GANs with spectral normalization and projection discriminator - pfnet-research/sngan_projection github.com 1. ..
공부할 겸, 되짚어볼 겸 GAN 리뷰 시작해 본다! 시작!! 1. Basic Idea Generative Model 을 Estimation 할 때 Adversarial 하게 학습을 시키는 새로운 framework을 제시했다. Sample을 생성해 내는 Generator와, generator에서 나온 sample이 실제인지 아니면 만들어진 것인지 분류하는 Discriminator를 함께 학습 시켜서, 이상적으로는, Generator가 training data distribution을 모델링 하여 discriminator가 모든 데이터에 대하여 1/2 확률을 가질 수 있도록.. 학습시키는 것이다. 2. Model 자 그럼 모델링을 어떻게 하면 좋을까? 데이터 x로부터 generator distribution..