Presentazione

Le reti generative avversarie (GAN) sono un'interessante innovazione recente nel campo del machine learning. Le GAN sono modelli generativi: creano nuove istanze di dati simili ai dati di addestramento. Ad esempio, le GAN possono creare immagini che sembrano fotografie di volti umani, anche se i volti non appartengono a persone reali. Queste immagini sono state create da un GAN:

Figura 1: immagini generate da un GAN creato da NVIDIA.

Le GAN raggiungono questo livello di realismo accoppiando un generatore, che impara a produrre l'output target, con un discriminatore, che impara a distinguere i dati veri dall'output del generatore. Il generatore cerca di ingannare il discriminatore, che a sua volta cerca di non farsi ingannare.

Questo corso illustra le nozioni di base sulle GAN e come utilizzare la libreria TF-GAN per crearle.

Obiettivi di apprendimento del corso

• Comprendi la differenza tra modelli generativi e discriminativi.
• Identifica i problemi che le GAN possono risolvere.
• Comprendi i ruoli del generatore e del discriminatore in un sistema GAN.
• Scopri i vantaggi e gli svantaggi delle funzioni di perdita GAN comuni.
• Identifica possibili soluzioni ai problemi comuni dell'addestramento GAN.
• Utilizza la libreria TF GAN per creare una GAN.

Prerequisiti

Questo corso presuppone che tu abbia:

• Hai completato il Machine Learning Crash Course in presenza o in modalità di autoapprendimento.
• Almeno una piccola esperienza di programmazione con TensorFlow