Skip to Main Content
Generatives Deep Learning, 2. Auflage
book

Generatives Deep Learning, 2. Auflage

by David Foster
August 2024
Intermediate to advanced content levelIntermediate to advanced
456 pages
12h 2m
German
O'Reilly Media, Inc.
Book available
Content preview from Generatives Deep Learning, 2. Auflage

Kapitel 7. Energie-basierte Modelle

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Energiebasierte Modelle sind eine breite Klasse generativer Modelle, die eine Schlüsselidee aus der Modellierung physikalischer Systeme übernehmen - nämlich, dass die Wahrscheinlichkeit eines Ereignisses durch eine Boltzmann-Verteilung ausgedrückt werden kann, eine spezifische Funktion, die eine reellwertige Energiefunktion zwischen 0 und 1 normalisiert. Diese Verteilung wurde ursprünglich 1868 von Ludwig Boltzmann formuliert, der sie zur Beschreibung von Gasen im thermischen Gleichgewicht verwendete.

In diesem Kapitel werden wir sehen, wie wir diese Idee nutzen können, um ein generatives Modell zu trainieren, mit dem wir Bilder von handgeschriebenen Ziffern erzeugen können. Wir werden mehrere neue Konzepte erforschen, darunter die kontrastive Divergenz für das Training des EBM und die Langevin-Dynamik für das Sampling.

Einführung

Wir werden mit ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

Praktisches Deep Learning für Cloud, Mobile und Edge

Praktisches Deep Learning für Cloud, Mobile und Edge

Anirudh Koul, Siddha Ganju, Meher Kasam
Roboter mit ROS

Roboter mit ROS

Murat Calis

Publisher Resources

ISBN: 9781098180393Supplemental Content