شبكة GAN ترسم الأرقام
لماذا هذا مهم في الصور، يحتاج المولد إلى بناء صورة من بضعة أرقام، وهو عكس ما تفعله CNN. القطع نفسها التي تعرفها من Module 10 (convolution و 2x upsampling) تقوم بذلك، بترتيب عكسي.
شبكة GAN الرقمية للدورة، بنمط DCGAN. المولد الخاص بها:
- 16 أرقام ضوضاء، طبقة كثيفة إلى 2 x 2 x 32 رقم، ReLU: صورة صغيرة 2 x 2 مع 32 قناة.
- رفع العينة بمقدار 2x (يصبح كل بكسل كتلة 2 x 2) إلى 4 x 4، ثم عملية convolution بمقدار 3 x 3 إلى 32 channel، ثم ReLU.
- رفع العينة إلى 8 x 8، ثم convolution بحجم 3 x 3 إلى 16 channel، ثم ReLU.
- A عملية convolution 3 x 3 إلى قناة واحدة، ثم sigmoid: 8 x 8 بكسل في 0..1.
Upsampling متبوعة بـ convolution بعمل transposed convolution، وهي الطبقة التي تسميها معظم الأوراق البحثية، وتتجنب آثارها الشبيهة بلوحة الشطرنج.
استغرق تدريب دقائق في الدورة على جهاز كمبيوتر محمول، وهي مدة طويلة جدا لمحاضرة، لذا تقوم بتحميل الأوزان المسجلة. يوضح info['along'] كيف تحسنت عيناته أثناء التدريب. مهمتك هي كتابة forward pass للمولد، ثم الحكم ما يرسمه باستخدام Module 15 judge.
الكلمات والرموز في هذا الدرس
- GAN
- شبكة خصومية توليدية: مولد ومميز يتم تدريبهما ضد بعضهما البعض
- مولد (G)
- الشبكة التي تحول الضجيج إلى عينة
اكتب generate(z, P): z هي E.T بشكل (n, 16)؛ أعد E.T بشكل (n, 8, 8, 1). استخدم E.matmul و E.add و E.reshape و E.relu و E.upsample2 و E.conv و E.sigmoid. ثم املأ scores بقيم التقارب والتنوع لـ 500 عينة، و share بحصة العينات المقروءة لكل رقم. كل طبقة في P هي زوج (weights, biases): P['g1'] = (W, b)، وتضيف طبقة conv انحيازها بعد E.conv.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.