Introduzione

Le reti GAN (Generative Adversaries Network) sono un'entusiasmante innovazione recente nel machine learning. Le GAN sono modelli generativi: creano nuove istanze di dati simili ai tuoi dati di addestramento. Ad esempio, i GAN possono creare immagini che assomigliano a fotografie di volti umani, anche se i volti non appartengono a persone reali. Queste immagini sono state create da un GAN:

Figura 1: immagini generate da un GAN creato da NVIDIA.

Le GAN raggiungono questo livello di realismo associando un generatore, che impara a produrre l'output di destinazione, con un discriminatore che impara a distinguere i dati reali dall'output del generatore. Il generatore cerca di ingannare l'autore della discriminazione e il discriminatore cerca di evitare di essere ingannato.

Questo corso tratta le nozioni di base di GAN e anche come utilizzare la libreria TF-GAN per creare GAN.

Obiettivi di apprendimento dei corsi

• Comprendere la differenza tra modelli generativi e discriminatori.
• Identifica i problemi che i GAN possono risolvere.
• Comprendi i ruoli del generatore e del discriminatore in un sistema GAN.
• Comprendere i vantaggi e gli svantaggi delle funzioni comuni di perdita di GAN.
• Identificare possibili soluzioni a problemi comuni relativi alla formazione GAN.
• Usa la libreria GAN di TF per creare un GAN.

Prerequisiti

Questo corso presuppone che tu abbia:

• Corso di arresto anomalo di machine learning completato di persona o in autonomia.
• Almeno un po' di esperienza di programmazione con TensorFlow