簡介

生成對抗網路 (GAN) 是機器學習的一大創新技術。GAN 是「生成」模型：會建立與訓練資料類似的資料執行個體。例如，GAN 可以建立看起來像人臉相片的影像，即使臉孔都不屬於任何真人也一樣。下列圖片是由 GAN 建立：

圖 1：NVIDIA 所建立的 GAN 產生的映像檔。

GAN 達到這個程度的寫實程度，結合了產生產生目標輸出的產生器，以及一個可辨別真實資料與產生器輸出內容的歧視器。產生器會試圖阻止歧視，

本課程包含 GAN 基本概念，以及如何使用 TF-GAN 程式庫建立 GAN。

課程學習目標

• 瞭解生成模式和歧視模型之間的差異。
• 找出 GAN 可以解決的問題。
• 瞭解 GAN 系統中的產生器和歧視者角色。
• 瞭解常見的 GAN 損失函式的優點和缺點。
• 找出 GAN 訓練的常見問題。
• 使用 TF GAN 程式庫製作 GAN。

必要條件

本課程假設你擁有：

• 完成現場或自修的機器學習密集課程。
• 至少具備 TensorFlow 程式設計經驗