Temario Lección 180 de 246 · Módulo 16: Dos redes en un juego (GAN, opcional)
Módulo 16: Dos redes en un juego (GAN, opcional)

Una GAN que dibuja dígitos

Por qué importa Con imágenes, el generador tiene que construir una imagen a partir de unos pocos números, lo contrario de lo que hace una CNN. Las mismas piezas que conoces del Módulo 10 (convolución y ampliación 2x) lo hacen, en orden inverso.

La GAN de dígitos del curso, al estilo DCGAN. Su generador:

  1. 16 números de ruido, una capa densa a 2 x 2 x 32 números, ReLU: una imagen diminuta de 2 x 2 con 32 canales.
  2. Amplía 2x (cada píxel se convierte en un bloque de 2 x 2) a 4 x 4, una convolución de 3 x 3 a 32 canales, ReLU.
  3. Amplía a 8 x 8, una convolución de 3 x 3 a 16 canales, ReLU.
  4. Una convolución de 3 x 3 a 1 canal, y luego sigmoid: 8 x 8 píxeles en 0..1.

Ampliar y luego aplicar una convolución hace el trabajo de una convolución traspuesta, la capa que nombran la mayoría de los artículos, y evita sus artefactos de tablero de ajedrez.

Entrenarla le llevó al curso minutos en un portátil, demasiado para una lección, así que cargas los pesos grabados. info['along'] muestra cómo mejoraron sus muestras durante el entrenamiento. Tu trabajo: escribir la pasada hacia delante del generador, y luego juzgar lo que dibuja con el juez del Módulo 15.

Palabras y símbolos de esta lección
GAN
red generativa antagónica: un generador y un discriminador entrenados el uno contra el otro
generador (G)
la red que convierte ruido en una muestra
Tu turno

Escribe generate(z, P): z es un E.T de forma (n, 16); devuelve un E.T de forma (n, 8, 8, 1). Usa E.matmul, E.add, E.reshape, E.relu, E.upsample2, E.conv y E.sigmoid. Luego rellena scores con la cercanía y la variedad de 500 muestras, y share con la proporción de muestras leídas como cada dígito. Cada capa de P es una pareja (pesos, sesgos): P['g1'] = (W, b), y una capa de convolución suma su sesgo después de E.conv.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.