-
\"PixelCNN ++代码实现：包含离散Logistic混合概率和其他修改的PixelCNN版本\
资源介绍
状态：存档（代码按原样提供，预计无更新）
像素cnn ++
这是的Python3 / 实现，如以下论文所述：
PixelCNN ++： Tim Salimans，Andrej Karpathy，Xi Chen，Diederik P. Kingma和Yaroslav Bulatov编写的具有离散Logistic混合可能性和其他修改的PixelCNN实现。
我们的工作建立在最初由提出的PixelCNN的基础上 于2016年6月发布。PixelCNN是一类功能强大的生成模型，可能性极小，也很容易从中采样。 核心卷积神经网络以其左侧和上方的像素值为条件，计算一个像素值的概率分布。 以下是在CIFAR-10上训练的模型的示例样本，该模型可实现每维2.92位（相比于van der Oord等人的3.03 PixelCNN）：
来自模型的样本（左）和以CIFAR-10类标签为条件的模型的样本（右
- 上一篇: 基于朴素贝叶斯的分类器设计
- 下一篇: 垃圾邮件过滤的贝叶斯方法综述.pdf