文件名称：Two-Step-Disentanglement-Method
文件大小：10.51MB
文件格式：ZIP
更新时间：2024-05-19 06:58:29
deeplearning disentanglement JupyterNotebook
“两步解缠法”的实现 特拉维夫大学的Naama Hadad，Lior Wolf和Moni Shahar的模型实现。 这项工作解决了将产生给定数据的因素分解为与标签相关的因素以及与标签无关的因素的问题。 该模型以直接的方式采用对抗训练。 要求 Jupyter笔记本，Python 3.5，numpy，pytorch 0.4，Matplotlib也用于绘制结果 仍在开发中 当前结果： 进步 实现S编码器+ S分类器，并在MNIST数据集中实现99％+的精度[完成。但仅获得97％的精度] 在MNIST上实现解码器和对抗网络以及整个网络[已完成。 但是不稳定 在Sprites数据集上进行测试[完成（请参见BetterResults.pptx中的结果说明）] 将方法扩展到3D点云[ TO DO ]
【文件预览】：
Two-Step-Disentanglement-Method-master
----betterResults.pptx(573KB)
----params.py(2KB)
----nets.py(5KB)
----utils.py(8KB)
----params_MNIST.py(667B)
----loadSprites.ipynb(5.62MB)
----imgs()
--------mnistInter.png(72KB)
--------mnistRecon.png(11KB)
--------spriteInter.png(308KB)
--------spriteRecon.png(47KB)
--------mnistSwitch.png(168KB)
--------spriteSwitch.png(288KB)
----DisAdvNetSprites.ipynb(562KB)
----solvers.py(18KB)
----.gitignore(1KB)
----layers.py(4KB)
----saved_models()
--------s_enc2018_05_07__14_50_18(431KB)
--------z_adv(295KB)
--------sz_dev(451KB)
--------sz_dec2018_05_07__14_50_18(451KB)
--------s_enc(431KB)
--------z_enc2018_05_07__14_50_18(431KB)
--------z_adv2018_05_07__14_50_18(295KB)
--------z_enc(431KB)
--------S_encoder_back(743KB)
----config.py(496B)
----temp.py(431KB)
----README.md(1KB)
----DisAdvNet.ipynb(791KB)