مقدمة

الشبكات التوليدية الخصومية (GAN) هي تكنولوجيا مبتكرة ومثيرة للاهتمام تم تطويرها مؤخرًا في مجال تعلُّم الآلة. شبكات GAN هي نماذج توليدية: فهي تُنشئ عناصر بيانات جديدة تشبه بيانات التدريب. على سبيل المثال، يمكن أن تنشئ الشبكات التوليدية الجوّالة صورًا تبدو مثل صور لوجوه بشرية، حتى لو كانت الوجوه لا تنتمي إلى أي شخص حقيقي. تم إنشاء هذه الصور باستخدام شبكة معارضة جيلية:

الشكل 1: صور تم إنشاؤها باستخدام GAN من إنشاء NVIDIA.

تحقّق الشبكات التوليدية التفاضلية هذا المستوى من الواقعية من خلال إقران عنصر إنشاء يتعلم إنتاج النتيجة المستهدَفة بعنصر تمييز يتعلم التمييز بين البيانات الحقيقية ونتائج عنصر الإنشاء. يحاول المُنشئ خداع العميل المميِّز، ويحاول العميل المميِّز تجنُّب الخداع.

تتناول هذه الدورة التدريبية أساسيات الشبكات التوليدية المضادّة، بالإضافة إلى كيفية استخدام مكتبة TF-GAN لإنشاء شبكات تولّدية مضادّة.

أهداف التعلّم في الدورة التدريبية

• فهم الفرق بين النماذج التوليدية والنماذجالتمييزية
• تحديد المشاكل التي يمكن أن تحلّها الشبكات التوليدية التنافسية
• فهم أدوار المُنشئ والمحرِّف في نظام GAN
• فهم مزايا وعيوب دوالّ خسارة GAN الشائعة
• تحديد الحلول المحتملة للمشاكل الشائعة في تدريب نموذج GAN
• استخدِم مكتبة TF GAN لإنشاء شبكة GAN.

المتطلبات الأساسية

تفترض هذه الدورة التدريبية أنّ لديك ما يلي:

• إكمال دورة مكثّفة عن تعلُّم الآلة إما حضوريًا أو ذاتيًا
• خبرة برمجة بسيطة على الأقل باستخدام TensorFlow