Een GAN die cijfers tekent
Waarom dit ertoe doet Op afbeeldingen moet de generator een beeld opbouwen vanuit een paar getallen, het tegenovergestelde van wat een CNN doet. Dezelfde onderdelen die je kent uit Module 10 (convolution en 2x upsampling) doen dit, in omgekeerde volgorde.
De digit GAN van de cursus, in DCGAN stijl. De generator ervan:
- 16 ruisgetallen, een dichte laag naar 2 x 2 x 32 getallen, ReLU: een klein 2 x 2 plaatje met 32 kanalen.
- Upsample 2x (elke pixel wordt een 2 x 2 blok) naar 4 x 4, een 3 x 3 convolution naar 32 kanalen, ReLU.
- Upsample naar 8 x 8, een 3 x 3 convolution naar 16 kanalen, ReLU.
- A 3 x 3 convolutie naar 1 kanaal, dan sigmoid: 8 x 8 pixels in 0..1.
Upsampling gevolgd door een convolution doet het werk van een transposed convolution, de laag die de meeste papers noemen, en vermijdt de schaakbordartefacten ervan.
Het trainen duurde minuten op een laptop, veel te lang voor een les, dus laad je de opgenomen weights. info['along'] laat zien hoe de samples verbeterden tijdens de training. Jouw taak: schrijf de forward pass van de generator, beoordeel dan wat het tekent met de Module 15 judge.
Woorden en symbolen in deze les
- GAN
- generative adversarial network: een generator en een discriminator die tegen elkaar worden getraind
- generator (G)
- het netwerk dat ruis omzet in een sample
Schrijf generate(z, P): z is een E.T met vorm (n, 16); geef een E.T met vorm (n, 8, 8, 1) terug. Gebruik E.matmul, E.add, E.reshape, E.relu, E.upsample2, E.conv en E.sigmoid. Vul daarna scores met de nabijheid en de verscheidenheid van 500 voorbeelden, en share met het aandeel voorbeelden dat als elk cijfer gelezen wordt. Elke laag in P is een paar (gewichten, bias): P['g1'] = (W, b), en een convolutielaag telt zijn bias op na E.conv.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.