【(强推)李宏毅2021/2022春机器学习课程】Deep Generative Model（Part I and Part II）

from： https://www.bilibili.com/video/BV1Wv411h7kN?p=65

一个文字版复述-李宏毅机器学习（二十三）无监督学习Deep Generative Model(二)

---

有一篇很好的博客

PixelRNN

推广到语音领域

推广到图像-创造宝可梦

Tips:创造的图像很灰（RGB值比较相近，换种方法：直接产生颜色，用聚类找出167种颜色）


实验结果：很有创造性，很难评估

VAE（Variational Autoencoder）

跟Auto-encoder 很像，中间要做些改变

实验结果

条件控制生成 每一维的作用

控制dimension，产生不同的东西


VAE ”写诗“?

Why VAE？（noise）

直观的解释

数学解释：预测出这个分布$P(x)$ ,图片也不过是高维空间中的一个点，例如20x20的图像，= 400维空间的一个点

以下没听懂…

Conditional VAE

Problems of VAE

GAN

如何训练？






一些参考：