fuxian

fuxian paper and algorithm 可视化: visdom

python -m visdom.server

然后根据提示在浏览器中打开localhost:8097

DCGAN(生成动漫头像)

Fast Neural Style(图片风格迁移)

风格迁移网络Transfomer_Net结构

网络整体结构(VGG部分不更新梯度，只用来算Loss)

CharRNN （生成唐诗）

训练

生成

将开头的一句话或一个字输入网络，然后将输出的词（概率最大的词）当作输入直到达到maxlen或结束标志。

VAE （mnist数据集）

首先，拟合出x的均值和方差，以这一均值和方差的正态分布采样，得到噪声，通过decoder生成出x。 loss需要有原x和生成出x的一个距离函数的度量，代码里用了binary_crossentropy。 但是如果仅仅如此是不够的，这样会使整个模型退化为普通的AutoEncoder，因为为了最小化loss，模型会让拟合出的方差的尽可能小从而稳定噪声，直到没有噪声， 所以我们需要让这个正态分布逼近一个标准正态分布，最简单的就是加一个loss，这里这个loss选择了N(0,1)和N(a,b)的KL散度作为loss。 更多细节参考苏神的博客： https://spaces.ac.cn/archives/5253