はじめに

敵対的生成ネットワーク（GAN）は、機械学習における最近の革新的な技術です。GAN は生成モデルです。トレーニング データに似た新しいデータ インスタンスを作成します。たとえば、GAN は、実際の人物に属していない顔であっても、人間の顔の写真のように見える画像を作成できます。以下の画像は GAN によって作成されました。

図 1: NVIDIA が作成した GAN によって生成された画像。

GAN は、ターゲット出力の生成を学習する生成器と、生成器の出力と実際のデータを区別することを学習する識別器をペアにして、このレベルのリアリティを実現します。ジェネレータは弁別子を欺こうとし、弁別子は欺かれないようにします。

このコースでは、GAN の基本と、TF-GAN ライブラリを使用して GAN を作成する方法について説明します。

コースの学習目標

• 生成モデルと判別モデルの違いを理解する。
• GAN で解決できる問題を特定する。
• GAN システムにおける生成器と識別器の役割を理解する。
• 一般的な GAN 損失関数のメリットとデメリットを理解する。
• GAN トレーニングで発生する一般的な問題の解決策を特定する。
• TF GAN ライブラリを使用して GAN を作成します。

前提条件

このコースは、次の準備ができていることを前提としています。

• 対面または自習で機械学習集中講座を修了している。
• TensorFlow でのプログラミングの経験（少なくとも少し）