机器学习及其应用课件 第8章-深度生成网络.pptxVIP

8.1生成对抗网络8.4深度生成网络应用8.3大语言模型8.2扩散模型第八章深度生成网络

8.1生成对抗网络8.1.1生成器与判别器8.1.2网络结构与计算8.1.3模型训练策略8.1.4深度生成网络应用

引入生成式模型特征维度判别式模型（深度卷积网络/深度循环网络）生成式模型核心学习目标学习条件概率学习联合分布概率p(x,y)（x和y的联合概率）核心思想直接建模输入x到标签y的映射关系，关注分类/预测建模数据的整体分布，关注数据生成的逻辑典型应用场景根据原始图像推测图像性质（如数字识别、物体边界检测）智能生成符合分布的新样本（如图像生成、文本创作）核心能力分类、判别、预测（从x推y）生成、采样（自主创造新的x样本）概率视角不关心数据x本身的分布，只关心x到y的条件概率关注数据x的整体分布，可推导条件概率8.1.1生成器与判别器

GAN架构：GAN（GenerativeAdversarialNetworks，生成对抗网络）架构由两个主要组件构成：生成器（Generator）和判别器（Discriminator）。这两个组件在训练过程中相互对抗，共同提升，最终目标是使生成器能够生成与真实数据难以区分的新数据。生成对抗网络模型 生成器作为一个生成式模型，通过接收一个随机噪声用于生成虚拟图像，判别器则是一个判别式模型，用于判别输入图片是否为真实图片。8.1