【機器學習2021】生成式對抗網路 (Generative Adversarial Network, GAN) (二) - 理論介紹與WGAN

speech.ee.ntu.edu.tw/~hylee/m...

[@allenyang9141]

聽得出來是一個很好的老師，謝謝你

[@22sio84]

哇，刚好想要了解一下GAN，太感谢李老师了！

[@judyy2006]

Thank you, professor Lee. Very great lecture

[@user-vw3pr5gq9g]

謝謝教授優質的內容，今天又硬帥一發了

[@user-kz3kp7kj5e]

老師好，最近在研究有關語音於AI上的應用，看到有很多TTI/TTS/STT/ITT/ITS的paper，但有關speech-to-image為什麼極為稀少呢？

[@mlli3595]

这周的更新又看完了TT~看李老师ml的视频就像在追连载漫画，每次发布就会立刻看完，然后继续等待下周更新。

[@nekokiku2918]

我也是哈哈哈哈，跟追动漫一样

[@lucaskellan1225]

Pro tip: watch movies at Flixzone. I've been using them for watching all kinds of movies lately.

[@izaiahtyler3385]

@Lucas Kellan definitely, have been watching on flixzone for years myself :)

[@vivaanezequiel9787]

@Lucas Kellan Yup, I've been watching on flixzone for since december myself :D

[@paultuan]

Good Jobs , Thanks your share .

[@XXZSaikou]

老师讲得太好了，听学校的 Lecture 从没这么认真过

[@user-jw8se2gy1p]

老師您好，我有一個問題想請教您。請問在 Slide 46 最下面的一行字的 "Keeping the D smooth forces D(y) become \inf and -\inf" 是否應該改成 "Keeping the D smooth forces D(y) NOT become \inf and -\inf"，因為您在講課中講到我們希望這個值很 smooth，也就是差異不會很大。謝謝您！

[@siraowang5560]

请问6:28，提到的从database随机产生sample data指的是等概sampling么(因为我们不知道总体分布)，那这里假设了database服从uniform distribution?

[@user-bp7bj8hr4v]

這堂課真的好油

[@chrischen6]

謝謝老師 我剛好搞不懂WGAN的方法 老師講得太好了

[@JoyKing-rj8rx]

李老师 gan得slide下载不了呢。能否再次上传一下。 讲的不错，在东大木有听得得地方，李老师讲一遍就懂了

[@Eaway]

43:30老師有提到D更新次數較G少, 但在HW6助教講解及程式中是每更新D五次, 才輪到G執行一次, 是因為使用不同的GAN的差異嗎?

[@nonenone1553]

哈哈哈哈哈哈NO PAIN NO GA N

[@chuanjiang6931]

作业在哪里？有没有代码可以学习？

[@ericzhang5987]

vivid explaination ：）

[@changtienyu7704]

其實33:19最右側是章魚的眼睛，人的眼睛是裝反的

[@Teng_XD]

求速更！

[@user-qj5gb9es2v]

来晚了，上两周状态不好，没跟上课程，哭了

[@aaronye4857]

No pain No gan 快笑死XDDD

[@leetcode8843]

10:36 為何是等於negative cross entropy

[@reepc9698]

可以去看一下cross entropy的function長什麽樣，那個V就跟cross entropy前面加 - 號長得一樣