شبکه های متخاصم مولد (GAN) یک نوآوری هیجان انگیز اخیر در یادگیری ماشین هستند. GAN ها مدل های مولد هستند: آنها نمونه های داده جدیدی ایجاد می کنند که شبیه داده های آموزشی شما هستند. به عنوان مثال، GAN ها می توانند تصاویری را ایجاد کنند که شبیه عکس های صورت انسان هستند، حتی اگر چهره ها متعلق به هیچ شخص واقعی نباشد. این تصاویر توسط یک GAN ایجاد شده است:
GAN ها با جفت کردن یک ژنراتور، که یاد می گیرد خروجی هدف را تولید کند، با یک تفکیک کننده، که یاد می گیرد داده های واقعی را از خروجی ژنراتور متمایز کند، به این سطح از واقع گرایی دست می یابند. مولد سعی می کند متمایز کننده را فریب دهد و ممیزکننده سعی می کند فریب خورده را نگیرد.
این دوره اصول GAN و همچنین نحوه استفاده از کتابخانه TF-GAN برای ایجاد GAN را پوشش می دهد.
تاریخ آخرین بهروزرسانی 2024-10-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-10-26 بهوقت ساعت هماهنگ جهانی."],[[["Generative adversarial networks (GANs) are generative models that create new data instances resembling training data, such as images that look like real photographs but are not of actual people."],["GANs consist of a generator that learns to produce the target output and a discriminator that learns to distinguish real data from generated data, working in tandem to enhance the realism of the output."],["This course covers GAN fundamentals, common GAN loss functions, training challenges, and using the TF-GAN library to build GANs, assuming prior knowledge of machine learning and TensorFlow."],["Completing Machine Learning Crash Course and having some TensorFlow programming experience are prerequisites for this GANs course."]]],[]]