生成對抗網路：只是提出一種網路架構。
gan簡單的想法就是用兩個模型，乙個是生成模型，乙個是判別模型，判斷模型用於對資料的判斷，生成模型則是模型自己去產生資料。這兩個模型一同對抗， 生成模型生成的資料去欺騙判別模型，判別模型去判斷資料的真假，從而二者共同完善從而達到穩定。
判別模型比較好理解，就像分類一樣，有乙個判別界限，通過這個判別界限去區分樣本。從概率角度分析就是獲得樣本x屬於類別y的概率，是乙個條件概率p（y|x）.而生成模型是需要在整個條件內去產生資料的分布，就像高斯分布一樣，他需要去擬合整個分布，從概率角度分析就是樣本x在整個分布中的產生的概率，即聯合概率p(xy)。
1)由gan改為條件生成式模型：該模型實現了給定條件的資料生成。
2)改進輸入z:使用隨機雜訊z作為輸入時，生成的結果不可控，因此使用具有資訊意義資料作為輸入。生成網路相當於對資料進行解析編碼，這樣使得應用範圍更加廣。
3)對條件分布建模：由已有資料**未出現的資料。
4)改進為半監督學習：通過加入少量類別標籤，引入有標籤資料的類別損失度量，不僅功能上實現了半監督學習，同時也有助於 gan 的穩定訓練。
第三次打卡
2.什麼是多重賦值？什麼是增強賦值操作符？多重賦值技巧是一種快捷方式，讓你在一行 中，用列表中的值為多個變數 賦值new1 dsdf 34,wdf dfffff r1 r2 r3 r4 new1 r1,r2,r3,r4 new1 print r1,r2,r3,r4 dsdf 34 wdf dffff...
pandas第三次打卡
1.1 內涵 在改過程中，往往會遇到四類問題 整合 aggregation 即分組計算統計量 如求均值 求每組元素個數 變換 transformation 即分組對每個單元的資料進行操作 如元素標準化 過濾 filtration 即按照某些規則篩選出一些組 如選出組內某一指標小於50的組 綜合問題 ...
第三次打卡，異常處理
首先，執行 try 子句 在關鍵字 try 和關鍵字 except 之間的語句 如果沒有異常發生，忽略 except 子句，try 子句執行後結束。如果在執行 try 子句的過程中發生了異常，那麼 try 子句餘下的部分將被忽略。如果異常的型別和 except 之 後的名稱相符，那麼對應的 exce...