生成对抗网络(GAN)为代表的深度生成框架,可以创造出逼真的图像,流畅的文章,动听的音乐。
举一反三
- 以下深度学习方法可以应用于自动文摘任务的是哪些（多选）: A: 序列转换Seq2Seq B: 强化学习RL C: 生成对抗网络GAN D: 预训练模型Pretraining
- 生成对抗网络（GAN）在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量辨别出G生成的假图像和真实的图像。这样，G和D构成了一个动态的“博弈过程”，最终的平衡点即纳什均衡点。
- 生成对抗网络（GAN）的判别器要区分真样本和假样本，因此GAN是一种监督学习算法。 A: 正确 B: 错误
- 下列哪个方法可以更好的完成图像生成任务和文本生成等任务。 A: 神经网络 B: 卷积神经网络 C: 生成对抗网络 D: 逻辑回归
- 下列关于生成式深度学习的说法错误的是（ ）。 A: 生成式学习算法能够获取类别本身的特征 B: 生成对抗网络包括生成网络和判别网络两部分 C: 生成式学习算法能够创造的新样本是有限的 D: 当判别网络输出概率为0.5时，表示它无法判别生成样本的真伪