Giriş

Çekişmeli üretken ağlar (GAN'lar), makine öğrenimindeki son heyecan verici yeniliklerden biridir. GAN'lar üretken modellerdir: Eğitim verilerinize benzeyen yeni veri örnekleri oluştururlar. Örneğin, GAN'lar gerçek bir kişiye ait olmasa bile insan yüzlerinin fotoğraflarına benzeyen resimler oluşturabilir. Aşağıdaki resimler GAN tarafından oluşturulmuştur:

Şekil 1: NVIDIA tarafından oluşturulan bir GAN tarafından oluşturulan resimler.

GAN'lar, hedef çıktıyı üretmeyi öğrenen bir üreticiyi gerçek verileri üreticinin çıktısından ayırt etmeyi öğrenen bir ayırt edici ile eşleyerek bu gerçekçilik düzeyine ulaşır. Oluşturucu, ayırt ediciyi kandırmaya çalışır, ayırt edici ise kandırılmamaya çalışır.

Bu kursta, GAN'ların temel özellikleri ve GAN oluşturmak için TF-GAN kitaplığının nasıl kullanılacağı ele alınmaktadır.

Kurs Öğrenim Hedefleri

• Üretken ve ayırt edici modeller arasındaki farkı anlama
• GAN'ların çözebileceği sorunları tanımlayın.
• GAN sistemindeki üretici ve ayırt edici öğelerin rollerini anlama
• Sık kullanılan GAN kayıp işlevlerinin avantajlarını ve dezavantajlarını anlayın.
• GAN eğitimi ile sık karşılaşılan sorunların olası çözümlerini belirleyin.
• GAN oluşturmak için TF GAN kitaplığını kullanın.

Ön koşullar

Bu kursta, aşağıdakileri karşıladığınız varsayılmaktadır:

• Makine Öğrenimi Hızlandırılmış Kursu'nu yüz yüze veya kendi kendine çalışma şeklinde tamamlamış olmanız gerekir.
• TensorFlow ile programlama konusunda en azından biraz deneyim