- 授权协议: 未知
- 开发语言: Python
- 操作系统: 跨平台
- 软件首页: https://github.com/anantzoid/Conditional-PixelCNN-decoder
- 软件文档: https://github.com/anantzoid/Conditional-PixelCNN-decoder/blob/master/README.md
- 官方下载: https://github.com/anantzoid/Conditional-PixelCNN-decoder/archive/master.zip
软件介绍
这是使用 PixelCNN 解码器生成条件图像的 Tensorflow 实现,其引入了最初在像素周期性神经网络中提及的基于 PixelCNN 架构的门控 PixelCNN 模型。
该模型可以基于标签或图像的潜在表示来相应地生成图像。图像也可以无条件地建模。
它也可以作为一个强大的解码器,并可以在自动编码器和 GANs 中取代反卷积(转置卷积)。这篇文章的详细摘要可以在这里找到。
示例:
架构:
这是模型中使用的 Gated PixelCNN 的架构:
JavaScript DOM高级程序设计
Jeffrey Sambells、Aaron Gustafson / 李松峰、李雅雯 / 人民邮电出版社 / 2008-7 / 59.00元
本书注重理论与实践的结合,全面讲述高级的DOM 脚本编程。全书分为3 个部分:第一部分“深入理解DOM 脚本编程”,涉及W3C DOM 规范的各方面,包括非标准的浏览器支持和不支持的内容;第二部分“浏览器外部通信”,以Ajax 和客户端—服务器端通信为主题;第三部分“部分高级脚本编程资源”,集中介绍了一批第三方脚本编程资源,包括库和API。同时,每部分的最后一章都为案例研究,将学到的内容应用于实践......一起来看看 《JavaScript DOM高级程序设计》 这本书的介绍吧!
