از سر و صدا به اعداد: ساختن DCGAN برای نسل MNIST با استفاده از Pytorch


نویسنده (ها): پالک

در ابتدا منتشر شده در به سمت هوش مصنوعیبشر

تصور کنید یک شبکه عصبی که در حال دیدن رقم های دست نویس بسیار واقعی است ، آنها حتی چشمان آموزش دیده را فریب می دهند – یا موارد مد را که قبلاً دیده نشده بود ، ترسیم کنند. این علمی تخیلی نیست. این جادوی شبکه های مخالف تولید کننده است.

اولین پیشنهاد توسط ایان گودفلور در سال 2014 ، گانس انقلابی در ایجاد داده های مصنوعی ایجاد کرد. این سیستم های شبکه دوتایی-یکی از داده های تولید کننده ، دیگری که آن را نقد می کند-در یک رقص دیجیتالی رقابت و همکاری می کنند تا آنچه که جعلی به نظر می رسد قانع کننده واقعی است.

اما چگونه آنها واقعاً کار می کنند؟ و مهمتر از همه ، چگونه می توانید یکی را از ابتدا بسازید؟

در این راهنمای دستی ، شما فراتر از تئوری خواهید بود. شما حلقوی عمیق خود را آموزش خواهید داد گان (DCGAN) با استفاده از Pytorch. ما با استفاده از دنیای واقعی ، رقم دست نویس و تصاویر مد ایجاد خواهیم کرد مجموعه داده ها با بغل کردن صورت.

معماری؟ ما از طریق آن قدم می زنیم ، بلوک بلوک.

روند آموزش؟ شما تماشا خواهید کرد که ژنراتور با هر دوره بهتر می شود و یاد می گیرید که چگونه رقیب خود را به این باور برساند که چیزی واقعی ایجاد کرده است.

و در پایان ، شما فقط نمی فهمید که چگونه DCGAN ها کار می کنند – شما یکی از آنها را ساخته اید که یاد می گیرد تصور کنید.

ما کد را حداقل نگه داریم ، کریستال منطقی روشن و توضیحات بصری و هضم. این که آیا شما انگشتان پا را در مدل سازی تولیدی یا غواصی عمیق به عنوان یک AI Dev فصلی فرو می کنید ، این آموزش … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر

منتشر شده از طریق به سمت هوش مصنوعی



منبع: https://towardsai.net/p/artificial-intelligence/from-noise-to-numbers-building-a-dcgan-for-mnist-generation-using-pytorch