Müfredat 246 dersinden 180. · Modül 16: Bir oyunda iki ağ (GAN'lar, isteğe bağlı)
Modül 16: Bir oyunda iki ağ (GAN'lar, isteğe bağlı)

Rakam çizen bir GAN

Neden önemli Resimlerde üreticinin bir resmi birkaç sayıdan inşa etmesi gerekir, bir CNN'in yaptığının tersi. Modül 10'dan bildiğin aynı parçalar (evrişim ve 2 kat yukarı örnekleme) bunu ters sırayla yapar.

Kursun rakam GAN'ı, DCGAN tarzında. Üreticisi:

  1. 16 gürültü sayısı, 2 x 2 x 32 sayıya yoğun bir katman, ReLU: 32 kanallı minicik bir 2 x 2 resim.
  2. 4 x 4'e 2 kat yukarı örnekle (her piksel 2 x 2'lik bir blok olur), 32 kanala 3 x 3 bir evrişim, ReLU.
  3. 8 x 8'e yukarı örnekle, 16 kanala 3 x 3 bir evrişim, ReLU.
  4. 1 kanala 3 x 3 bir evrişim, sonra sigmoid: 0..1 arasında 8 x 8 piksel.

Yukarı örneklemenin ardından bir evrişim, çoğu makalenin adını verdiği katman olan devrik evrişimin işini yapar, ve onun dama tahtası izlerinden kaçınır.

Onu eğitmek kursa bir dizüstünde dakikalar aldı, bir ders için çok fazla, bu yüzden kaydedilmiş ağırlıkları yüklüyorsun. info['along'] örneklerinin eğitim sırasında nasıl iyileştiğini gösterir. Görevin: üreticinin ileri geçişini yaz, sonra çizdiği şeyi Modül 15'in hakemiyle değerlendir.

Bu dersteki kelimeler ve semboller
GAN
üretici çekişmeli ağ: birbirine karşı eğitilen bir üretici ve bir ayırt edici
üretici (G)
gürültüyü bir örneğe çeviren ağ
Senin sıran

generate(z, P) yaz: z (n, 16) şeklinde bir E.T'dir; (n, 8, 8, 1) şeklinde bir E.T döndür. E.matmul, E.add, E.reshape, E.relu, E.upsample2, E.conv ve E.sigmoid kullan. Sonra scores'u 500 örneğin yakınlığı ve çeşitliliğiyle, share'i her rakam olarak okunan örneklerin payıyla doldur. P'deki her katman bir çifttir (ağırlıklar, sapmalar): P['g1'] = (W, b), ve bir evrişim katmanı sapmasını E.conv'dan sonra ekler.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.