这大概是去年深度学习最火的应用之一了吧,利用神经网络将世界名画的画风迁移到任意一张普通的图片上。
本来想用神经网络让计算机学会画铅笔画和素描的,后来发现其实不用神经网络效果也还可以,那么系列上就从简单的入手!本章课程来学习python学画画(上)
发现之前两篇关于GAN的文章效果都比较一般,想试着优化一下,训练个像样一些的模型,至少不能太丢GAN的脸,于是就有了这篇文章。 OK,让我们愉快地开始吧~
利用Python搭建简单的GAN网络来生成MNIST数据集。其中GAN,即生成对抗网络。 英文全称: Generative Adversarial Networks 偷闲入门了一波心心念念的GAN,过来发一波文。 毕竟自从2014年被Ian Goodfellow提出后便一直是深度学习中的热门方向且十分有趣。 Let's Go~~~
【Python】利用全卷积网络+滤波器实现细胞检测。 让我们愉快地开始吧!
学会使用利用Python实现图像风格的迁移!!!
本文将在此基础上介绍LSTM网络。最后举一个类似“Python学写作”的例子来实现文本生成,如生成诗歌、小说等等。 让我们愉快地开始吧~~~
T_T没有科研梦想的人半夜过来水篇文章~~~ 让Python学会写写歌,创创作~~~ 纯属娱乐~~~ 改编自PyTorch官网的一个教程,不过我用TF写的,然后生成英文变成了生成中文~~~ Let's Go~~~
本章教程将会由浅入深地讲解本文使用到的基本模型:Seq2Seq以及Attention机制。 内容依旧会很长~~~ 希望对初入NLP/DeepLearning的童鞋有所帮助~ 废话不多说,直接进入正题~~~
昨天在看GitHub上深度学习方面stars较高的开源项目,于是发现了这个有趣的内容: 使用深度强化学习破解Flappy Bird游戏(深度Q-学习)。