240 发简信
  • 120
    INN实现深入理解

    FrEIA:Framework for Easily Invertible Architectures FrEIA 是实现 INN 的基础,可以...

  • 120
    INN实现理解——toy_example

    github 地址:https://github.com/hagabbar/cINNamon 1. 设置超参数: 2. 生成数据 ^^ 调用函数...

  • 120
    与光相关的理论

    一、透明介质理论 1. 郎伯定律 di / dx = -KI K为薄膜的吸收系数,其值通常为正,采用负号表示强度减小。对整个膜厚度进行积分得:...

  • 120
    INN实现理解-gaussian_INN

    github 地址:https://github.com/hagabbar/cINNamon 首先,这是通过 PyTorch 实现的。PyTor...

  • 120
    贝叶斯神经网络

    一、标准神经网络与贝叶斯神经网络 通过优化的标准神经网络训练(从概率的角度来看)等同于权重的最大似然估计(MLE)。由于许多原因,这往往是不能令...

  • 120
    CycleGAN

    这篇文章理解自知乎上两篇文章: 带你理解CycleGAN,并用TensorFlow轻松实现 可能是近期最好玩的深度学习模型:CycleGAN的原...

  • 120
    GAN、CGAN、INN

    INN 旨在从无法直接确定的复杂关系中解决逆向关系的问题,它的原理和使用范围在诸多论文当中尚不明确,但是在已知的资料当中,他的原理与GAN类似,...

  • 120
    可逆神经网络 Invertible Neural Networks

    我们常常遇到这样的问题:给出一系列测量值,如何确定隐式参数?以配色为例,即给出标准样的光谱反射率曲线,如何确定配色配方。通常,从参数到测量空间的...

  • 120
    计算机配色模型中存在的限制点

    计算机配色发展了许多年,但仍不能满足使用需求,归根结底是由于其理论存在一些问题,使得其应用受到一定限制。如果可以找到这些限制点并加以修正,则有可...