自编码器与生成对抗网络是复杂分布上无监督学习最具前景的两类方法，它们也经常被拿来比较。人们通常认为自编码器在图像生成上的应用范围比 GAN 窄，那么自编码器到底能不能具备与 GAN 同等的生成能力呢？这篇研究提出的新型自编码器 ALAE 可以给你答案。目前

GAN，叫做生成对抗网络 。判别器网络 D 的主要作用是判断输入是否为真实样本并提供反馈机制，真样本则输出 1 ，反之为 0 。但是 GAN 并不是完美的，也有自己的局限性。比如说没有用户控制的能力和低分辨率与低质量的问题。为了提高 GAN 的用户控制能

生成对抗网络现在已经能合成极具真实感的图像了，但 MIT、IBM 和香港中文大学的一项研究表明 GAN 在合成图像时会遗漏目标分布中的一些细节。未来的 GAN 设计者如果能够充分考虑这种遗漏情况，应该能够打造出更加高质量的图像生成器。研究者已经公布了相关论

Ganglia监控软件主要是用来监控系统性能的软件，如：cpu、mem、硬盘利用率，I/O负载、网络流量情况等，通过曲线很容易见到每个节点的工作状态，对合理调整、分配系统资源，提高系统整体性能起到重要作用。RRDtool是系统存放和显示time-serie

在GAN发展的最初几年里，我们取得了令人瞩目的进展。2017年，Gan制作了1024×1024张能愚弄人才童子军的照片。在未来几年，我们可能会看到GAN生成的高质量视频，由此衍生的商业应用程序即将来临。作为GAN系列的一部分，我们研究了一些很酷的应用程序，

在2018年一场著名的拍卖会上，一部AI制作的肖像以432,500美元的价格成交！这篇新闻在科技媒体上被广泛讨论，有些人认为这一事件对人类艺术家构成了威胁。事实上，与任何其他技术创新一样，人工智能或者更具体地说机器学习和深度学习将影响我们创造音乐，艺术和文

计算机视觉顶会盛会CVPR 2018召开在即，从官方现在接收的论文类型来看，这届会议展现出了一个奇怪的现象：生成对抗网络GAN，正在成为新的“深度学习”。MMP，深度学习还没学会，难道我又要被时代抛弃了吗？结果，他发现生成对抗网络强势出击，大有取代“深度学

正在举办的 GTC 2019 上，英伟达展示了一款新的交互应用 GauGAN：利用生成对抗网络将分割图转换为栩栩如生的图像。这是继 PGGAN、StyleGAN 之后，英伟达提出的又一强大方法，相关论文已被 CVPR 2019 接收为 oral 论文。Ca

去年引起热议、能够生成逼真图像的 BigGAN 声名鹊起，相关论文后被 ICLR 2019 收录为 Oral 论文。今天论文一作 Andrew Brock 发推称：论文更新版已上传，模型架构有所更新——网络深度是原来的 4 倍、模型参数仅为原来的一半。An

选自 arXiv，作者：Yedid Hoshen、Jitendra Malik，机器之心编译，参与：Panda。生成对抗网络在图像生成方面已经得到了广泛的应用，目前基本上是 GAN 一家独大，其它如 VAE 和流模型等在应用上都有一些差距。尽管 wasse

生成对抗网络是现在人工智能领域的当红技术之一。近日，Sigmoidal.io 的博客发表了一篇入门级介绍文章，对 GAN 的原理进行了解释说明。多年以来，已经出现了很多各种各样旨在解决这一问题的生成模型。在这篇文章中，我们将对生成对抗网络背后的一般思想进行

上面的高分辨率图像中的人可能看起来很真实，但实际上并非如此。它们是由经过数百万名人图像训练的ProGAN合成的。“ProGAN”是NVIDIA开创的一种生成对抗网络的口语术语。它由Karras等人在去年出版。去年，GAN的进步增长提高了质量、稳定性和变化。

近来 GAN 证明是十分强大的。因为当真实数据的概率分布不可算时，传统生成模型无法直接应用，而 GAN 能以对抗的性质逼近概率分布。但其也有很大的限制，因为函数饱和过快，当判别器越好时，生成器的消失也就越严重。所以不论是 WGAN 还是本文中的 LSGAN

每年在机器学习相关的顶会中，有关生成对抗网络GAN的理论和实证研究论文非常多，如何评估这些论文的新颖性，如何评估模型是否有真正的突破，以及如何避免埋没好论文，是值得关注的问题。GAN的提出人、谷歌工程师Ian Goodfellow近日发表一系列推文，谈论这

聊到随机样本生成, 不得不提VAE与GAN, VAE用KL-divergence和encoder-decoder的方式逼近真实分布. 但这些年GAN因其”端到端”灵活性和隐式的目标函数得到广泛青睐. 而且, GAN更倾向于生成清晰的图像:. GAN在10次

随着数据中心的增长和管理人员的缩减，对计算资源使用有效监视工具的需求变得比以往更加迫切。术语监视 在应用到数据中心时可能会让人混淆，因为它的含义会根据具体的说话者和听众而有所不同。Ganglia 更多地与收集度量数据并随时跟踪这些数据有关，而 Nagios