Generatywne sieci współzawodniczące (GAN) to ekscytująca nowość w systemach uczących się. GAN to modele generacyjne: tworzą one nowe instancje danych, które przypominają dane treningowe. GAN-y mogą na przykład tworzyć obrazy, które wyglądają jak zdjęcia ludzkich twarzy, mimo że twarze te nie należą do żadnej prawdziwej osoby. Te obrazy zostały wygenerowane przez GAN:
Rysunek 1. Obrazy wygenerowane przez GAN stworzony przez firmę NVIDIA.
GAN osiągają ten poziom realizmu, łącząc generator, który uczy się wytwarzać dane docelowe, z dyskryminatorem, który uczy się odróżniać prawdziwe dane od danych wyjściowych generatora. Generator próbuje oszukać dyskryminator, a on próbuje się nie dać oszukać.
W tym kursie omawiamy podstawy GAN oraz sposób tworzenia GAN-ów za pomocą biblioteki TF-GAN.
Wymagania wstępne
W tym kursie zakładamy, że masz:
- Ukończyłeś szybkie szkolenie z uczenia maszynowego, stacjonarnie lub samodzielnie.
- co najmniej niewielkie doświadczenie w programowaniu z użyciem TensorFlow;