``【參考資料】
1. deepfake的autoencoder
deepfake本質上是乙個基於卷積神經網路的autoencoder程式將原始影象做處理後分別作為編譯碼的源和目標
編譯碼模型的定義在model檔案中，核心**如下：
autoencoder原理參考筆記《【機器學習筆記50】 autoencoder》def
encoder()
: input_ = input( shape=image_shape )
x = input_
x = conv(
128)
(x) x = conv(
256)
(x) x = conv(
512)
(x) x = conv(
1024
)(x)
x = dense( encoder_dim )
( flatten(
)(x)
) x = dense(4*
4*1024
)(x)
x = reshape((4
,4,1024))
(x) x = upscale(
512)
(x)return model( input_, x )
defdecoder()
: input_ = input( shape=(8
,8,512))
x = input_
x = upscale(
256)
(x) x = upscale(
128)
(x) x = upscale(64)
(x) x = conv2d(
3, kernel_size=
5, padding=
'same'
, activation=
'sigmoid'
)(x)
return model( input_, x )
模型在訓練過程中採用相同的編碼器和不同的解碼器，針對兩類人臉分別訓練
encoder = encoder(
)decoder_a = decoder(
)decoder_b = decoder(
)autoencoder_a = model( x, decoder_a( encoder(x)))
autoencoder_b = model( x, decoder_b( encoder(x)
))
在**時則採用對方的解碼器解碼機器學習學習筆記
2.機器學習書籍 機器學習tom,這個是老經典，就是翻譯欠佳 prml，這個書正版的超貴，但是比較新且系統，可以通過其他途徑搞個副本。3.自己動手編碼實現2 3種經典演算法，比如svm，lr，bpnn等。4.了解spark上目前支援的機器學習方法的用途和用法，這個在日常工作中會用到。知道的多一點，方...
機器學習 學習筆記
關於梯度下降演算法的優化與 會有三種方法優化梯度下降演算法 1.共軛梯度下降法 conjugate 2.變尺度法 bfgs 3.限制變尺度法 l bfgs 這些方法的好處是 1.不用選擇學習速率 2.收斂的速度快，執行效率高 但是她們的缺點在於 實現她們的方法太複雜，所以我們就可以使用語言的內建庫函...
機器學習 學習筆記
監督學習 我們的學習演算法使用的資料是給出正確答案的資料，然後我們執行學習演算法，出更多的正確答案。理解為像深度需學習類似，利用訓練樣本訓練處學習模型，然後用測試樣本對學習到的模型進行檢測，輸出 結果。無監督學習 可以理解為對於學習演算法所使用的資料集並沒有給出正確答案，學習演算法就是要對這資料集進...