آموزش کارگاه هوش مصنوعی: عملی با GAN ها با استفاده از شبکه های عصبی متراکم

AI Workshop: Hands-on with GANs Using Dense Neural Networks

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

اگر به دنبال تمرین عملی هوش مصنوعی هستید، این دوره کدنویسی به سبک کارگاهی برای شما طراحی شده است. به مربی Janani Ravi بپیوندید تا به شما نحوه ایجاد و آموزش شبکه های متخاصم مولد (GAN) را نشان دهد. اجزای اصلی GAN ها از جمله نحوه راه اندازی محیط مجازی، اجرای سرور نوت بوک، نمونه سازی PyTorch Dataset، DataLoader و موارد دیگر را کاوش کنید. جانانی اصول آموزش مستقل دشمنان، آموزش GAN ها و تجسم نتایج را پوشش می دهد. در پایان این دوره، همچنین می‌دانید که چگونه به مشکلات رایج مرتبط با GAN رسیدگی کنید و آنها را به طور موثر در طول فرآیند آموزشی کاهش دهید.

این دوره توسط Loonycorn ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.


سرفصل ها و درس ها

معرفی Introduction

  • آشنایی با مدل سازی مولد Understanding generative modeling

1. معرفی شبکه های متخاصم مولد 1. Introducing Generative Adversarial Networks

  • رئوس مطالب و پیش نیازهای دوره Course outline and prerequisites

  • محیط مجازی را راه اندازی کنید و سرور نوت بوک را اجرا کنید Set up the virtual environment and run the notebook server

  • معرفی شبکه های متخاصم مولد (GAN) Introducing generative adversarial networks (GANs)

  • نمونه سازی مجموعه داده و بارگذار داده Instantiating the dataset and data loader

  • مشاهده داده های آموزشی Viewing training data

2. آموزش به تنهایی دشمنان 2. Stand-Alone Training of Adversaries

  • تصویر کلی از یک GAN Big picture overview of a GAN

  • آموزش دشمنان Training the adversaries

  • معماری ژنراتور و معماری تفکیک کننده The generator architecture and discriminator architecture

  • درک خروجی های مولد و تفکیک کننده Understanding the generator and discriminator outputs

  • آموزش مستقل تمایزگر به عنوان مدل طبقه بندی Stand-alone training of discriminator as classification model

  • آموزش مستقل ژنراتور Stand-alone training of generator

3. آموزش شبکه های متخاصم مولد 3. Training Generative Adversarial Networks

  • محاسبه تلفات برای مولد و تفکیک کننده Computing losses for generator and discriminator

  • آشنایی با تابع حداقل تلفات Understanding the minimax loss function

  • راه اندازی آموزش GAN Setting up GAN training

  • تجسم نتایج آموزش GAN Visualizing GAN training results

  • مشکلات با GAN ها و کاهش بالقوه Problems with GANs and potential mitigations

نتیجه Conclusion

  • خلاصه و مراحل بعدی Summary and next steps

نمایش نظرات

آموزش کارگاه هوش مصنوعی: عملی با GAN ها با استفاده از شبکه های عصبی متراکم
جزییات دوره
1h 24m
18
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.