最近因为研一的课程、作业太多，平时很少有时间干自己的事情，也好久没有写新的文章。而且！！！最倒霉的是，我的算法课由于前两节没选课！导致不知道作业还有截止时间，oh！！少交了好几次哦我滴龟龟！！嘛，吐槽完了，开始正题。前段时间基于C++做了一个Normal map的生成器。用处是把一副图像转换成Normal map，对于我们做Graphics的人来说，还是蛮有用的。首先还是惯例贴一下实验结果：一、E
介绍生成模型是近年来受到广泛关注的无监督学习中的一类重要模型。可以将它们定义为一类模型，其目标是学习如何生成与训
原创
2024-05-18 19:21:33
104阅读
你在从事图像编辑吗？今天MacW小编带来的是一款超好用的全能图像编辑软件：Pixelmator mac版，它可以为您提供编辑，调整和增强照片所需的一切。pixelmator 版下载 内含有许多强大的工具，您可以使用它们来编辑，增强和修改您的照片，绘制和试验各种图像效果。如果您正在寻找一款简单易用的照片编辑器，那么Pixelmator mac汉化版是您的不二选择！软件以为您成功激活，可放心使用！pi
转载
2024-08-26 13:27:18
99阅读
前两篇文章我们已经介绍了自回归模型PixelCNNs，以及如何处理多维输入数据，本篇文章我们将关注 PixelCNNs 的最大限制之一（即盲点）以及如何改进以修复它。在前两篇文章中，我们介绍了生成模型PixelCNN 概念并研究了彩色 PixelCNN 的工作原理。PixelCNN 是一种学习像素概率分布的生成模型，未来像素的强度将由之前的像素决定。在以前的文章中，我们实现了两个 PixelCNN
生成模型与判别模型区别，以及各自的优缺点
作者：szx_spark监督学习可以分为生成方法与判别方法，所学到的模型可以分为生成模型与判别模型。生成模型生成模型由数据学习联合概率分布\(P(X,Y)\)，然后求出条件概率分布\(P(Y|X)\)作为预测的模型，即生成模型：\[P(Y|X)=\frac{P(X,Y)}{P(X)}
\]这样的方法之所以称为生成
转载
2024-01-18 16:02:47
110阅读
（1） 摘自：别人Blog的一段文字。 四、Make or AutoMake 用过Java的Ant后，想起Make就觉得很烦，很厌倦。总归还是会的，见《GNU Make 3.8
.
0
中文手册》 &n
衬衫的设计改进思路 红朝儒生2017-3-2 关键字：衬衫 改进简介：尝试给衬衫提出一个改进的设计思路。 衬衫是常见服装。要提出改进思路，很不容易。吾从哪个角度改进？用户体验，视觉效果。 从男士角度来说，穿上衬衫，除了希望整齐、干净之外，还希望显得精神焕发。而现有的衬衫，中间因为脖子的原因能拉住，双臂下垂时胸口位置的布料也会自然下垂，就显得不够...
原创
2022-02-05 09:05:41
169阅读
衬衫的设计改进思路 红朝儒生2017-3-2 关键字：衬衫 改进简介：尝试给衬衫提出一个改进的设计思路。 衬衫是常见服装。要提出改进思路，很不容易。吾从哪个角度改进？用户体验，视觉效果。 从男士角度来说，穿上衬衫，除了希望整齐、干净之外，还希望显得精神焕发。而现有的衬衫，中间因为脖子的原因能拉住，双臂下垂时胸口位置的布料也会自然下垂，就显得不够...
原创
2021-08-07 14:19:34
351阅读
动态模糊，一看到这个词我就想到了极品飞车和MineCraft的光影MOD。DX11貌似可以很好地支持动态模糊，但这个例子是基于DX9的，那DX9是怎么实现MotionBlur的呢？SDK文档里面提到，实现动态模糊的其中一种方法是将场景用不同的Alpha通道渲染多遍。这个例子用的是另外一个方法，模仿现实中动态模糊出现的条件，记录像素的速度来实现动态模糊。既然是Post-Process，那么多个Ren
转载
2024-10-09 09:01:22
75阅读
生成式模型和辨别式模型都是机器学习中重要的模型类型，它们各自具有优点和适用场景。在实际应用中，需要根据具体任务的需求
原创
2024-05-13 11:38:36
87阅读
图解举例理解判别式模型举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。生成式模型举例：利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。细细品味上面的例子，判别式模
转载
2024-10-16 22:13:50
91阅读
逻辑回归模型是经典的二分类模型，因其计算方式也可用于预测概率。在进行预测时主要用到了权重向量 、偏置 b对于样本特征 ，其先计算该样本的得分 ，而后使用sigmoid激活函数将 的值域变换到 [0, 1]，将该值作为概率，以 为分界线对样本进行二分类：而 均通过梯度下降法进行求解。求解时使用的损失函数为交叉熵，记
转载
2024-03-22 08:39:58
208阅读
目录Intro改进思路1 Seq2Seq + Context 模型2 Seq2Seq + Attention模型3 Seq2Seq + 动态记忆网络DMN(dynamic memory network)模型4 改进目标函数：最大化互信息 maximum mutual information5 Seq2Seq + Speaker Embedding(用户画像)模型Ref
转载
2024-03-21 23:13:40
159阅读
医学大模型开源项目： 医学大模型的局限性 + 改进思路GPT在医学上的优势：专业性凸显，实用性兼备医学诊断的本质是神经网络做模式识别大多数人的一生之中都会遭遇诊断错误微调大模型在医学上的局限：问诊详细程度完全随机、推理和决策逻辑不完整、建议偏方向性实用性欠缺方案一：海量相关数据 + GPT4 + 恐怖算力暴力方案二：设置快慢双系统，快系统理解信息，慢系统辅助决策【临床推理与鉴别诊断不充分】的
原创
2023-12-06 10:51:46
382阅读
特点：产生式模型:从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度，不关心判别边界。判别式模型：寻找不同类别之间的最优分类面，反映的是异类数据之间的差异。区别：产生式模型(Generative Model)与判别式模型(Discrimitive Model)它们的区别在于：假设有样本输入值（或者观察值）x，类别标签（或者输出值）y判别式模型评估对象是最大化条件概...
转载
2018-10-22 09:34:40
461阅读
生成式模型和判别式模型的概念是机器学习领域非常重要的基础知识，但能准确区分开二者并不是一件非常容易的事情，笔者经常是看一遍忘一遍，为了巩固下知识点，我将从以下几个方面对两种模型进行介绍和对比。概念首先我们需要明确，两种不同的模型都用于监督学习任务中。监督学习的任务就是从数据中学习一个模型，并用基于这个模型对给定的输入预测相应的输出。这种模型的一般形式为决策函数 或者条件概率分布 。我们先用一张图
原创
2021-02-05 19:17:42
727阅读
产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于： 对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x) 产生式模型可以根据贝叶斯公式得到判别式模型，但反过
转载
2020-12-13 14:01:00
253阅读
2评论
1 定义1.1 生成式模型 生成式模型（Generative Model）会对x和y的联合分布p(x,y)建模，然后通过贝叶斯公式来求得 p(yi|x)，然后选取使得p(yi|x) 最大的 yi，即： 简单说生成式模型就是生成数据分布的模型。将求联合分布的问题转为了求类别先验概率和类别条件概率的问题。1.2 判别式模型 对条件概率 p(y|x;)
转载
2018-07-05 17:38:00
596阅读
2评论
有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z)是sigmoid函数）。假设现在有一个分类问题，要根据一些动物的特征来区分大象(y = 1)和狗(y = 0)。给定这样的一种数据集，
转载
2017-04-20 00:23:00
213阅读
点赞
2评论
搞懂生成式模型和判别式模型
原创
2021-07-11 17:52:43
397阅读
