手写数字生成：PyTorch实现-使用MNIST数据集的GAN模型识别手写数字-源码
手写数字生成
PyTorch实现-使用MNIST数据集的GAN模型生成/识别手写数字
项目目标
目标是使用在MNIST数据集上训练的生成对抗网络（GAN）生成新的手写数字。
GAN（生成对抗网络）
GAN最早是在2014年由Ian Goodfellow和Yoshua Bengio实验室的其他人报道的。 从那时起，GAN爆炸式增长。 GAN的思想是使用两个网络相互竞争，即生成器G和鉴别器D。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据，并预测接收到的数据是真实的还是伪造的。
训练了生成器以欺骗鉴别器，它希望输出看起来尽可能接近真实训练数据的数据。 鉴别器是经过训练的分类器，用于确定哪些数据是真实的，哪些数据是伪造的。 最终发生的事情是，生成器学会了将与真实数据无法区分的数据制作到鉴别器。
参考
[Pix2Pix]
文件下载
资源详情
[{"title":"（ 7 个子文件 2.49MB ） 手写数字生成：PyTorch实现-使用MNIST数据集的GAN模型识别手写数字-源码","children":[{"title":"Handwritten-digits-generation-main","children":[{"title":"assets","children":[{"title":"gan_pipeline.png <span style='color:#111;'> 192.15KB </span>","children":null,"spread":false},{"title":"tanh_fn.png <span style='color:#111;'> 216.79KB </span>","children":null,"spread":false},{"title":"leaky_relu.png <span style='color:#111;'> 239.64KB </span>","children":null,"spread":false},{"title":"gan_network.png <span style='color:#111;'> 22.58KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.38KB </span>","children":null,"spread":false},{"title":"MNIST_GAN.ipynb <span style='color:#111;'> 220.82KB </span>","children":null,"spread":false},{"title":"train_samples.pkl <span style='color:#111;'> 4.31MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- 最大后验概率 MAP 准则matlab源码
- 7240 9285好用的UBNT最新固件XM-v5.5.8.build20991
- Qt Quick核心编程.安晓辉(带详细书签) PDF
- 有限元教程 共三本书
- 人事档案管理系统（java+sqlserver2000）含报告（全）
- 使用Delphi自带组件控制小米手环2和蓝牙打印(示例和文档)
- Eclipse+MySQL数据库课程设计
- asp.net课程设计，附带说明书，设计心得
- 简单的html实例（多页面跳转）
- owpueasnk.github.io-源码
- 9. 凯撒加密字符.cpp
- ssm框架集成多数据源源码
- 温泉治疗HTML5网页设计源文件
- MyShootScreen.unitypackage
- QC-T-29101-1992汽车用操纵拉索总成.pdf
- Chromium的历史记录禁用器：禁用Chromium浏览器中的所有浏览历史记录-源码
- 弱口令暴力破解课程.pdf
- Physical fluid dynamics
- 移远OpenCPU快速开始指导手册
- Android端海康视频取流,可以实时预览与查看历史录像
- F407的ADC多通道采样+DMA
- 百度首页端午节龙舟代码
- Word与Excel与PPT使用技巧与实战方法大全
- xshell plus 6破解版
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明