Wstęp

Generacyjne sieci dodatkowe (GAN) to świetna innowacja w dziedzinie systemów uczących się. GAN to modele generujące, które tworzą nowe instancje danych podobne do danych treningowych. GAN może na przykład tworzyć obrazy, które wyglądają jak zdjęcia ludzkich twarzy, mimo że nie należą do żadnej osoby. Te obrazy zostały utworzone przez GAN:

Ilustracja 1. Obrazy wygenerowane przez sieć GAN utworzoną przez NVIDIA

GAN osiąga taki realizm, łącząc generator Generator stara się oszukać dyskryminatora, a jednocześnie próbuje oszukać.

Ten kurs omawia podstawy GAN oraz pokazuje, jak korzystać z biblioteki TF-GAN do tworzenia GAN.

Cele szkolenia

• Poznaj różnice między modelami generacyjnymi a dyskryminacyjnymi.
• Określ problemy, które mogą rozwiązać GAN.
• Poznaj role generatora i dyskryminacji w systemie GAN.
• Poznaj zalety i wady typowych funkcji utraty danych GAN.
• Znajdź możliwe rozwiązania typowych problemów ze szkoleniami GAN.
• Aby utworzyć GAN, użyj biblioteki TF GAN.

Wymagania wstępne

Zakładamy w tym kursie, że:

• Ukończenie kursu awarii systemów uczących się (samodzielnie lub na zasadach samodzielnej nauki).
• Co najmniej trochę doświadczenia w programowaniu z TensorFlow