createamind / cpc-pred-gan Goto Github PK

paper： better prediction imagination condition gan ： pattern gan；

学习规律的泛化。基于规律认识的视频预测。学规则，学规律？ 用错了数据集在视频预测中？

tech：
--1 more pred item; --1.1 cpc train item pred4 only gen1 1.1.1 cpc train 4-4 val 4-4 and ！4-1 ！！
--1.1.1 train cpc 4-4 gen 4-1 这个现在就可以！--1.2 gen no noise is better??
--2 gen loss: only cpc loss or what weight?? or 看结果，loss比重一样也行，cpc收敛很快;还是 cpc 100吧
--3 trained weight load; keras tf ok；--3.2 print x item； 可以显示生成数字的cpc判别结果，如果不对再生成！

4 现在训练慢是训练数据是实时生成的，不是预生成的，应该生成好，直接训练
--5 cpc和gan 循环训练，cpc的强化也继续，但是不是用gan的数据训练cpc，是原始cpc的数据训练cpc；gan的训练，Dcpc和Dcirit权重也需要动态变化，先生成好图片，在cpcloss生成准确数字的图片
生成数字的预训练，降低训练生成数字对数字序列的影响。

5 64X64 大数字。

app：
0 not mnist ; 标准数字的数据集；学规律，不是学数字识别
1 more practice; 1.1 123 124; just train ok； 1-500 600-700valid not work；

1.2 1+3=4; 9内加法99内加法
数据是否用标准数字图像，而不是mnist数据集？
1.1.1 数据集生成；
基于之前1234最基本的训练基础上再训练，不是直接记忆序列，从规律开始学习。
个位数训练的顺序情况应用到加1的加法上去；同时训练加法和顺利排列？？
或者两种训练同时学习，rnn如何兼顾两种格式？？ 即学习个位数的循环排列顺序，也学习数字增长的规律，
或 oneshot；每种数据给一点提示。，数据分段生成。

condition gan ref cgan

1.2.1 数据集生成；

？1 进位规律的学习。

2 picture and video and carla
U-net pix2pix
c3d cdu-net; vid2vid

学规则，学规律？ 用错了数据集？

3 video+action ；红绿灯问题
cpchrl
cpc(video+action::video+action paire)

4 rl；强化学习只需要cpc的预测隐变量即可，隐变量生成再可视化跟人交互，
4.2： rl涉及动作。 根据规律，且加入动作进行预测。 规律+动作conditon规律的组合生成隐变量
rnn的数字生成器，生成多个的序列，根据序列个数生成可变序列， rnn的condtion gan；