Introducción

Las redes generativas adversarias (GAN) son una emocionante innovación reciente en el aprendizaje automático. Las GAN son modelos generativos: crean instancias de datos nuevas que se asemejan a tus datos de entrenamiento. Por ejemplo, las GAN pueden crear imágenes que parezcan fotografías de rostros humanos, aunque los rostros no pertenezcan a ninguna persona real. Estas imágenes fueron creadas por una GAN:

Figura 1: Imágenes generadas por un GAN creado por NVIDIA.

Para lograr este nivel de realismo, las GAN combinan un generador, que aprende a producir la salida objetivo, con un discriminante, que aprende a distinguir datos verdaderos de la salida del generador. El generador intenta engañar al discriminante y el discriminante intenta evitar que se engañe.

En este curso, se abordan los conceptos básicos de las GAN y también cómo usar la biblioteca de TF-GAN para crear GAN.

Objetivos de aprendizaje del curso

• Comprende la diferencia entre modelos generativos y discriminativos.
• Identificar los problemas que las GAN pueden resolver
• Comprende las funciones del generador y el discriminador en un sistema GAN.
• Comprende las ventajas y desventajas de las funciones comunes de pérdida de GAN.
• Identificar posibles soluciones a problemas comunes con la capacitación de GAN
• Usa la biblioteca de TF GAN para crear una GAN.

Requisitos previos

En este curso, suponemos que tienes lo siguiente:

• Haber completado el Curso intensivo de aprendizaje automático, ya sea en persona o de forma autónoma
• Tener algo de experiencia en programación con TensorFlow