如何通过PixelRNN、PixelCNN、VAE和GAN等生成模型在CV教程中掌握深度学习？
- 内容介绍
- 文章标签
- 相关推荐
本文共计205个文字，预计阅读时间需要1分钟。
原文：本文讲解了无监督学习（聚类、PCA、特征学习、密度估计）和三种常用生成模型的原理及优缺点：Pixel RNN / Pixel CNN、变分自编码器（VAE）、生成对抗网络（GAN）【对应 CS231n Lecture 13】
本文介绍无监督学习方法，包括聚类、PCA、特征学习、密度估计等，并分析三种常见生成模型——Pixel RNN/ CNN、VAE和GAN的原理及优劣。内容基于CS231n第13讲。
本文共计205个文字，预计阅读时间需要1分钟。
原文：本文讲解了无监督学习（聚类、PCA、特征学习、密度估计）和三种常用生成模型的原理及优缺点：Pixel RNN / Pixel CNN、变分自编码器（VAE）、生成对抗网络（GAN）【对应 CS231n Lecture 13】
本文介绍无监督学习方法，包括聚类、PCA、特征学习、密度估计等，并分析三种常见生成模型——Pixel RNN/ CNN、VAE和GAN的原理及优劣。内容基于CS231n第13讲。