Lehrplan Lektion 180 von 246 · Modul 16: Zwei Netzwerke in einem Spiel (GANs, optional)
Modul 16: Zwei Netzwerke in einem Spiel (GANs, optional)

Ein GAN, das Ziffern zeichnet

Warum das wichtig ist Auf Bildern muss der Generator ein Bild aus wenigen Zahlen aufbauen, das Gegenteil von dem, was ein CNN tut. Die gleichen Teile, die du aus Modul 10 kennst (convolution und 2x upsampling) machen es in umgekehrter Reihenfolge.

Der digit GAN des Kurses, im DCGAN Stil. Sein Generator:

  1. 16 Rauschzahlen, eine dichte Schicht zu 2 x 2 x 32 Zahlen, ReLU: ein winziges 2 x 2 Bild mit 32 Kanälen.
  2. Upsample 2x (jedes Pixel wird zu einem 2 x 2 Block) auf 4 x 4, eine 3 x 3 convolution zu 32 channels, ReLU.
  3. Upsampling auf 8 x 8, eine 3 x 3 Convolution zu 16 Kanälen, ReLU.
  4. A 3 x 3 Faltung auf 1 Kanal, dann sigmoid: 8 x 8 Pixel in 0..1.

Upsampling gefolgt von einer convolution erledigt die Arbeit einer transposed convolution, die Schicht die die meisten Paper benennen, und vermeidet deren Schachbrettartefakte.

Das Training dauerte Kursminuten auf einem Laptop, viel zu lang für eine Lektion, also lädst du die aufgezeichneten Gewichte. info['along'] zeigt, wie sich seine Samples während des Trainings verbesserten. Dein Job: schreibe den forward pass des generators, dann bewerte, was er zeichnet, mit dem Module 15 judge.

Wörter und Symbole in dieser Lektion
GAN
generatives gegnerisches Netzwerk: ein Generator und ein Diskriminator werden gegeneinander trainiert
generator (G)
das Netzwerk, das Rauschen in eine Probe verwandelt
Du bist dran

Schreib generate(z, P): z ist ein E.T mit Form (n, 16); gib ein E.T mit Form (n, 8, 8, 1) zurück. Benutze E.matmul, E.add, E.reshape, E.relu, E.upsample2, E.conv und E.sigmoid. Fülle dann scores mit der Nähe und der Vielfalt von 500 Stichproben, und share mit dem Anteil der Stichproben, die als jede Ziffer gelesen werden. Jede Schicht in P ist ein Paar (Gewichte, Bias): P['g1'] = (W, b), und eine Faltungsschicht addiert ihren Bias nach E.conv.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.