Deep Image Prior 阅读笔记
wxy’s Deep Image Prior 阅读笔记
时间：6.1-6.
【收获】
6.1：
稍微看了一点DL的基础，大概就是多层次的特征描述构建了一个模型，DL是试图用机器来构建这个模型，ML是机器在这个模型上学习，然后产生某些概念的理解或者学习做某类事情？可能理解得不太对，等待日后再修正。
深度卷积网络就像一个函数f，然后输入随机编码z，希望输出x，所以训练参数，训练很久之后可以实现输出一模一样的x，如果在一般时间打断它，那么输出的就是感觉修复过一点的图像。想到了以前自己想把一张图片的水印去掉，选择把他放大，然后看没有水印的地方，选择水印周围的颜色根据原来还存在的纹理，然后修补水印部分的纹理。也就是说在这个模型下机器能够像人一样学习还存在的规律，然后修补一部分，然后又在修补后的基础上再学习，有点像递归的过程。
【问题】
6.1：
1.这图片说是某一位网友做的结果，选择的学习速率有点大，结果有点意思，有点好奇怎么搞成这个样子的。以前好像听过说会设置学习奖励，奖励没有设置好？