人工智能和机器学习已经成为科技行业的热门话题,而想要让它们变得更加智能就必须要提供更多的数据进行训练。nvidia 研究部门旗下的生成对抗网络(gan)近日迎来一个新的里程碑,即便是在非常小的数据集情况下,依然能够让人工智能进行学习。
虽然在名字中出现了“对抗”,但 gan ai 模型实际上使用了两个合作的网络。例如,一个生成器负责创建图像,而鉴别器则将其和参考图像进行对比,以便于评估它们是否在样式、对象和内容上匹配。此外,鉴别器通常会馈入 50,000 到 100,000 范围内的训练图像。
这种现象称为过拟合,可以部分地通过所谓的数据增强来解决,该方法仅涉及随机旋转,调整大小,裁剪或翻转图像以扩展参考数量。但是,这将创建一个生成器,该生成器将学习模仿变形的图像,而不是学习如何正确地合成样式和主题。
nvidia research 的 adaptive data augmentation(ada)试图通过在不同数据点之间分布数据增强来解决这两个问题。研究人员声称,这使他们能够创建一个新的 stylegan2 模型,该模型能够使用比传统gan所需的数据小10到20倍的训练数据集来学习艺术风格。
季丰电子获得ISO/IEC 17025 资质认定
关于视频模拟信号的数字化和量化
阻抗的匹配问题
利用磁控溅射技术提高绝缘金属基板PCB的散热性能
直流电机和步进电机的区别
NVIDIA旗下GAN迎来新里程碑
PCB萃取设备原理你了解吗
华为Mate30 RS保时捷设计体验 它让5G终端实现了自己应有的模样
德尔福鼓励旗下企业在各地开展员工志愿者活动
C++学习笔记之内存3
PCA和KPCA分不清楚怎么办
如何实现更远距离的量子通信?
MSP430 FR2xx系列MCU BSL与MSP432 P系列MCU BSL对比汇总
备受关注的边缘计算市场未来将如何“引爆”?
泰克公司推出面向嵌入式设计工程师的先进802.11 WLAN测试解决方案
华为Mate 50系列维修价公布
土壤采样设备的用途、特点及参数
OPPOReno上手 值不值得买
516禁令后,华为上半年增长23%!梁华:下半年至明年困难与挑战仍在
深圳PCBA加工检验有哪些项目?