Generative Adversarial Networks (GANs) 專業課程

進入 GAN 領域。 通過三門實踐課程,掌握最先進的 GAN 技術!

關於此專業課程

關於 GAN

生成對抗網絡(GAN,Generative Adversarial Networks)是功能強大的機器學習模型,能夠生成逼真的圖像,視頻和語音輸出。

根植於博弈論中的 GAN 具有廣泛的應用範圍:從通過對抗對抗攻擊和匿名資料以保護隱私來提高網路安全性到生成最新圖像,為黑白圖像著色,提高圖像分辨率,創建化身( avatars ), 將 2D 圖像轉換為 3D 等。

關於本專業

DeepLearning.AI 生成對抗網絡(GAN)專業課程提供您運用 GAN 生成圖像令人興奮的說明,它通過一種易於理解的方法,描繪了從基礎概念到高級技術的路徑。 課程還討論了其對社會的影響,包括 ML 的偏見及其檢測方法、隱私保護等。

經由本課程您將建立全面的知識並有 GAN 的親手做經驗。 使用 PyTorch 訓練自己的模型,用其創建圖像,並評估各種高級 GAN。

適合參與本課程者

本專業課適用於對機器學習感興趣並希望了解 GAN 如何工作的任何領域的軟體工程師、學生和研究人員。 該專業為所有希望進入 GAN 領域或將 GAN 應用於自己的專案的學習者提供了一種可訪問的途徑,即使他們事先不熟悉高級數學和機器學習研究也可以學習。

到官方網站了解本課程與上課

應用的學習專案

課程1:在本課程中,您將了解 GAN 的基本組成部分,使用 PyTorch 建構基本的GAN,使用卷積層構建用於處理圖像的高級 DCGAN,應用 W-Loss 函數解決消失的梯度問題,並學習如何有效地控制您的 GAN 並建立條件 GAN。

課程2:在本課程中,您將了解評估 GAN 的挑戰,比較不同的生成模型,使用 Fréchet Inception Distance ( FID )方法評估 GAN 的保真度和多樣性,確定 GAN 中偏差的來源以及檢測偏差的方法,並學習和實施與最新的 StyleGAN 相關的技術。

課程3:在本課程中,您將使用 GAN 進行資料增強和隱私保護,調研 GAN 的更多應用程式,並建構 Pix2Pix 和 CycleGAN 進行圖像轉譯。

你將學到的內容有

  • 了解 GAN 組件,使用 PyTorch 建構基本 GAN,使用卷積層( convolutional layers )建構高級 DCGAN,控制 GAN 並建構條件 GAN
  • 比較生成模型( generative models ),使用 FID 方法評估 GAN 的保真度和多樣性,學習檢測 GAN 中的偏差,並實施 StyleGAN 技術
  • 使用 GAN 進行資料增強和隱私保護,調研 GAN 應用,並檢查和建構 Pix2Pix 和 CycleGAN 用於圖像轉譯

你將獲得的技能:

GeneratorImage-to-Image Translationglossary of computer graphics
DiscriminatorGenerative Adversarial NetworksWGANs
Conditional GenerationComponents of GANsDCGANs

字幕

英文

製作方

deeplearning.ai

DeepLearning.AI 由 Ng 創辦,是一家教育技術公司,致力於發展全球 AI 人才社區。 DeepLearning.AI 以專家為主導的教育經驗為 AI 從業人員和非技術專業人士提供了必要的工具,使他們從基礎知識一直發展到高級應用程式,使他們能夠建構 AI 驅動的未來。

第 1 門課程  建構基礎的 Generative Adversarial Networks ( GANs )

在本課程,你將:

  • 了解 GAN 及其應用
  • 了解 GAN 基本組成部分的直覺
  • 探索和實現多種 GAN 架構
  • 建立能夠從確定的類別生成示例的條件化 GAN

DeepLearning.AI 生成對抗網絡(GAN)專業知識提供您 GAN 生成圖像令人興奮的介紹,它通過一種易於理解的方法,描繪了從基礎概念到高級技術的路徑。 它討論了其對社會的影響,包括 ML 的偏見及其檢測方法、隱私保護等。

從中您將建立全面的知識並獲得 GAN 親手做經驗。 使用 PyTorch 訓練自己的模型,用其創建圖像,並評估各種高級 GAN。

該專業為所有希望進入 GAN 領域或將 GAN 應用於自己的專案的學習者提供了接觸學習的途徑,即使您事先不熟悉高級數學和機器學習研究也能夠學習。


第 2 門課程 建構更好的 Generative Adversarial Networks ( GANs )

在本課程,你將:

  • 評估評估 GAN 的挑戰並比較不同的生成模型
  • 使用 Fréchet Inception Distance ( FID ) 方法評估 GAN 的保真度和多樣性
  • 識別偏見的來源以及在 GAN 中發現偏見的方法
  • 學習和實施與最新的 StyleGAN 相關的技術

DeepLearning.AI 生成對抗網絡(GAN)專業知識提供您 GAN 生成圖像令人興奮的介紹,它通過一種易於理解的方法,描繪了從基礎概念到高級技術的路徑。 它討論了其對社會的影響,包括 ML 的偏見及其檢測方法、隱私保護等。

從中您將建立全面的知識並獲得 GAN 親手做經驗。 使用 PyTorch 訓練自己的模型,用其創建圖像,並評估各種高級 GAN。

該專業為所有希望進入 GAN 領域或將 GAN 應用於自己的專案的學習者提供了接觸學習的途徑,即使您事先不熟悉高級數學和機器學習研究也能夠學習。


第 3 門課程  應用 Generative Adversarial Networks ( GANs )

在本課程,你將:

  • 探索 GAN 的應用,並通過資料增強、隱私和匿名檢查它們
  • 利用圖像到圖像的轉譯框架,並識別圖像之外的其他形式的應用程式
  • 實現 Pix2Pix,一種成對的圖像到圖像轉譯 GAN,以將衛星圖像適應到地圖路線中(反之亦然)
  • 將成對的圖像到圖像轉譯與未成對的圖像到圖像轉譯進行比較,並確定它們的關鍵區別如何導致需要不同的 GAN 架構
  • 實施 CycleGAN (一種不成對的圖像到圖像的轉譯模型),將馬適應到斑馬(反之亦然),以兩個 GAN 組合成一

DeepLearning.AI 生成對抗網絡(GAN)專業知識提供您 GAN 生成圖像令人興奮的介紹,它通過一種易於理解的方法,描繪了從基礎概念到高級技術的路徑。 它討論了其對社會的影響,包括 ML 的偏見及其檢測方法、隱私保護等。

從中您將建立全面的知識並獲得 GAN 親手做經驗。 使用 PyTorch 訓練自己的模型,用其創建圖像,並評估各種高級 GAN。

該專業為所有希望進入 GAN 領域或將 GAN 應用於自己的專案的學習者提供了接觸學習的途徑,即使您事先不熟悉高級數學和機器學習研究也能夠學習。


到官方網站了解本課程與上課

Sponsored by Coursera

你可能會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: