GAN yang menggambar angka
Kenapa ini penting Pada gambar, generator perlu membangun gambar dari beberapa angka, kebalikan dari apa yang dilakukan CNN. Bagian yang sama yang kamu tahu dari Module 10 (convolution dan 2x upsampling) melakukannya, dalam urutan terbalik.
GAN digit kursus ini, gaya DCGAN. Generatornya:
- 16 angka noise, sebuah lapisan padat ke 2 x 2 x 32 angka, ReLU: gambar kecil 2 x 2 dengan 32 channel.
- Upsample 2x (setiap piksel menjadi blok 2 x 2) ke 4 x 4, konvolusi 3 x 3 ke 32 channel, ReLU.
- Upsample ke 8 x 8, konvolusi 3 x 3 ke 16 channel, ReLU.
- A konvolusi 3 x 3 ke 1 channel, lalu sigmoid: 8 x 8 piksel dalam 0..1.
Upsampling diikuti oleh convolution melakukan tugas transposed convolution, layer yang paling sering disebut di banyak paper, dan menghindari artefak checkerboard nya.
Melatihnya butuh waktu beberapa menit di laptop, terlalu lama untuk sebuah pelajaran, jadi kamu muat bobot yang sudah direkam. info['along'] menunjukkan bagaimana sampelnya membaik selama pelatihan. Tugasmu: tulis forward pass generator, lalu nilai apa yang digambarnya dengan Module 15 judge.
Kata dan simbol di pelajaran ini
- GAN
- generative adversarial network: sebuah generator dan discriminator yang dilatih saling berlawanan
- generator (G)
- jaringan yang mengubah noise menjadi sampel
Tulis generate(z, P): z adalah E.T dengan bentuk (n, 16); kembalikan E.T dengan bentuk (n, 8, 8, 1). Gunakan E.matmul, E.add, E.reshape, E.relu, E.upsample2, E.conv dan E.sigmoid. Lalu isi scores dengan closeness dan variety dari 500 sampel, dan share dengan share sampel yang dibaca sebagai setiap digit. Setiap layer di P adalah pasangan (weights, biases): P['g1'] = (W, b), dan sebuah conv layer menambahkan biasnya setelah E.conv.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.