Введение

Генеративно-состязательные сети (GAN) — захватывающая недавняя инновация в машинном обучении. GAN — это генеративные модели: они создают новые экземпляры данных, которые напоминают ваши обучающие данные. Например, GAN могут создавать изображения, которые выглядят как фотографии человеческих лиц, даже если лица не принадлежат ни одному реальному человеку. Эти изображения были созданы GAN:

Рисунок 1: Изображения, сгенерированные GAN, созданной NVIDIA .

GAN достигают такого уровня реализма за счет объединения генератора, который учится выдавать целевой результат, с дискриминатором, который учится отличать истинные данные от вывода генератора. Генератор пытается обмануть дискриминатор, а дискриминатор пытается не быть обманутым.

Этот курс охватывает основы GAN, а также способы использования библиотеки TF-GAN для создания GAN.

Цели обучения курса

• Поймите разницу между генеративной и дискриминационной моделями.
• Определите проблемы, которые могут решить GAN.
• Понимать роли генератора и дискриминатора в системе GAN.
• Поймите преимущества и недостатки общих функций потерь GAN.
• Определите возможные решения распространенных проблем с обучением GAN.
• Используйте библиотеку TF GAN для создания GAN.

Предпосылки

Этот курс предполагает, что у вас есть:

• Прошел ускоренный курс по машинному обучению лично или самостоятельно.
• Хотя бы небольшой опыт программирования с TensorFlow