מבוא

רשתות דורבנות חדשות (GAN) הן חידוש חדש ומעניין בלמידה חישובית. GAN הם מודלים גנריים: הם יוצרים מופעים חדשים של נתונים שדומים לנתוני האימון. למשל, כדי ליצור תמונות שנראים כמו תמונות של פנים אנושיות, למרות שהפנים לא שייכות לאף אדם אמיתי, התמונות הבאות נוצרו על ידי GAN:

איור 1: תמונות שנוצרו על ידי GAN שנוצר על ידי NVIDIA.

GAN משיגים את רמת המציאותיות הזו על ידי התאמת מחולל, שלומד לייצר פלט יעד, עם אפליה, שלומדת להבחין בין נתונים אמיתיים לבין הפלט של המחולל. המחולל מנסה להטעות את האפליה, והאפליה מנסה למנוע הטעיה.

הקורס הזה מכסה את העקרונות הבסיסיים של GAN, וגם איך משתמשים בספריית TF-GAN כדי ליצור GAN.

יעדי הלמידה בקורס

• מידע על ההבדל בין מודלים של יצירה כללית לבין מודלים של אפליה.
• זהו בעיות שה-GAN יכול לפתור.
• מידע על התפקידים של המחולל והאפליה במערכת GAN.
• להבין את היתרונות והחסרונות של פונקציות נפוצות של אובדן GAN.
• לזהות פתרונות אפשריים לבעיות נפוצות באימון GAN.
• לשם כך, משתמשים בספריית TF GAN.

דרישות מוקדמות

ההנחה היא שיש לך:

• השלמת את קורס הקריסה ללמידה חישובית באופן אישי או במסגרת הדרכה עצמית.
• לפחות קצת ניסיון בתכנות עם TensorFlow