diff --git a/09.gan/README.cn.md b/09.gan/README.cn.md index d6ac215f40b2c16266a3c655bf126e8129ab3c05..22035988e2c06cb8c27f68f905dfcaf133d62a81 100644 --- a/09.gan/README.cn.md +++ b/09.gan/README.cn.md @@ -14,7 +14,7 @@ 本教程将 MNIST 数据集输入网络进行训练，经过19轮训练后可以看到，生成的图片已经非常接近真实图片的样子，下图中前8行是真实图片的样子，后8行是网络生成的图像效果：

-
+
图1. GAN 生成手写数字效果

@@ -38,7 +38,7 @@ $$ \min\limits_{G} \max\limits_{D}V(D,G)=\mathbb{E}_{x\sim P_{data} (x)}\big[log

-
+
图2. GAN 训练过程

@@ -57,7 +57,7 @@ $$ \min\limits_{G} \max\limits_{D}V(D,G)=\mathbb{E}_{x\sim P_{data} (x)}\big[log DCGAN中的生成器（G）结构如下图所示：

-
+
图3. DCGAN中的生成器（G）

diff --git a/09.gan/index.cn.html b/09.gan/index.cn.html index 8b8d8bce8b3abb2976afe0cf055ba22be387eab9..32a3ad6c172cfe0093192eef72d65b962c073dfb 100644 --- a/09.gan/index.cn.html +++ b/09.gan/index.cn.html @@ -56,7 +56,7 @@ 本教程将 MNIST 数据集输入网络进行训练，经过19轮训练后可以看到，生成的图片已经非常接近真实图片的样子，下图中前8行是真实图片的样子，后8行是网络生成的图像效果：

-
+
图1. GAN 生成手写数字效果

@@ -80,7 +80,7 @@ $$ \min\limits_{G} \max\limits_{D}V(D,G)=\mathbb{E}_{x\sim P_{data} (x)}\big[log

-
+
图2. GAN 训练过程

@@ -99,7 +99,7 @@ $$ \min\limits_{G} \max\limits_{D}V(D,G)=\mathbb{E}_{x\sim P_{data} (x)}\big[log DCGAN中的生成器（G）结构如下图所示：

-
+
图3. DCGAN中的生成器（G）