آموزش هوش مصنوعی مولد، از GAN تا CLIP، با پایتون و پایتورچ

دانلود Generative AI, from GANs to CLIP, with Python and Pytorch

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: کدنویسی با خلاقانه ترین و هیجان انگیزترین معماری های هوش مصنوعی، شبکه های هوش مصنوعی مولد، از ابتدایی تا پیشرفته را یاد بگیرید. نحوه کدنویسی معماری های مولد هوش مصنوعی از ابتدا با استفاده از پایتون و پایتورچ چگونه معماری های مولد، عمیقاً کار می کنند، از GAN ها تا A.I چندوجهی، با درک همه چیز. جزئیات در فرآیند علاوه بر کدگذاری، هر بخش با بررسی عمیق مفاهیم کلیدی مرتبط با این معماری ها آغاز می شود. مثال ها: ما یک شبکه مولد را کدنویسی می کنیم که چهره انسان را تولید می کند، و همچنین دو شبکه پیشرفته را برای تبدیل اعلان های متنی ترکیب می کنیم. به تصاویر شگفت انگیز مثال‌ها: ما یاد می‌گیریم که لباس‌های یک شخص را در یک تصویر با ترکیب یک معماری تقسیم‌بندی با مدل تولیدی Stable Diffusion ویرایش کنیم. بخش پاداش ویژه: سفر به فضای پنهان یک شبکه عصبی، به طور عمیق یاد می‌گیریم که چگونه شبکه‌هایی که هوش مصنوعی مولد را تامین می‌کنند. نگاشت آنها را بیاموزید بخش پاداش ویژه: تجسم هدایت شده را برای تمرین مدل مولد در ذهن خود تجربه کنید در حالی که چیزهای زیادی در مورد شبکه های عصبی یاد می گیرید پیش نیازها: دانش پایه پایتون. با اصول اولیه کافی است، زیرا ما هر چیز کوچک را با هم کدنویسی می کنیم، خط به خط دسترسی به یک اتصال اینترنتی، زیرا از سرویس آنلاین رایگان Google Colab برای کدنویسی با هم استفاده خواهیم کرد. ، بیایید آن را انجام دهیم! :)

به‌روزرسانی آوریل 2024: اخیراً دو بخش جدید اضافه شده است.
بخش جدید 5: با برنامه‌نویسی ترکیبی از یک مدل تقسیم‌بندی با مدل تولیدی Stable Diffusion، یاد بگیرید که لباس‌های یک فرد را در یک تصویر ویرایش کنید.
> بخش جدید جایزه 6: سفر به فضای پنهان شبکه عصبی - به عمق فضای پنهان شبکه های عصبی که هوش مصنوعی تولیدی را تقویت می کنند شیرجه بزنید تا درک کنید. به طور عمیق چگونه نگاشت خود را یاد می گیرند.
________________________________

Generative A.I. حال و آینده A.I است. و یادگیری عمیق، و هر بخش از زندگی ما را تحت تاثیر قرار خواهد داد. این بخشی از A.I است که به توانایی منحصر به فرد انسانی ما در ایجاد، تخیل و اختراع نزدیک تر است. با انجام این دوره، دانش پیشرفته و تجربه عملی در امیدوار کننده ترین بخش هوش مصنوعی، یادگیری عمیق، علم داده و فناوری پیشرفته به دست می آورید.

این دوره شما را به سفری جذاب می برد که در آن به تدریج و گام به گام یاد می گیرید، در حالی که مجموعه ای از معماری های مولد را با هم کدنویسی می کنیم، از ابتدایی تا پیشرفته، تا زمانی که به A.I چندوجهی برسید، جایی که متن و تصاویر به طرز باورنکردنی به هم متصل می شوند. راه هایی برای ایجاد نتایج شگفت انگیز.

در ابتدای هر بخش، مفاهیم کلیدی را با عمق زیاد توضیح می دهم و سپس با هم کدنویسی می کنیم، من و شما، خط به خط، همه چیز را درک می کنیم، با هم چالش ساختن امیدوار کننده ترین معماری های هوش مصنوعی امروز و فردا را فتح می کنیم. . پس از اتمام دوره، درک عمیقی از مفاهیم کلیدی و جزئیات دقیق فرآیند کدنویسی خواهید داشت.

چه زمانی برای زنده بودن! ما قادر به کدنویسی و درک معماری‌هایی هستیم که ما را به خانه می‌آورند، طبیعت انسانی خودمان، قادر به خلق و تخیل. با هم، آن را محقق خواهیم کرد. بیایید آن را انجام دهیم!


سرفصل ها و درس ها

انقلاب مولد The generative revolution

  • نقشه راه، از پایه به پیشرفته و فراتر از آن The roadmap, from basic to advanced and beyond

  • خاویر از فضاپیمای خود قدردانی می کند Javier sends greetings from his spacecraft

  • انقلاب ژنرال: به خانه می آید The generative revolution: coming home

  • کنونی و آینده A.i تولید کننده است The present and future of A.I is generative

  • برنامه های کاربردی AI تولید کننده Applications of generative AI

  • فضاهای پنهان و یادگیری نمایندگی Latent spaces and representation learning

  • مرور فضاهای خالی Navigating latent spaces

  • GANS: شبکه های مدرن دیافراگم GANS: Generative Adversarial Networks

  • مزایا و امکانات تولید A.I Benefits and possibilities of Generative A.I

  • به خانه می آید: تولید A.I و طبیعت انسانی Coming home: generative A.I and human nature

  • خاویر آواز می خواند یک آهنگ اختصاص داده شده به تولید A.I Javier sings a song dedicated to generative A.I

انقلاب مولد هوش مصنوعی The generative AI revolution

  • نقشه راه، از ابتدایی تا پیشرفته و فراتر از آن The roadmap, from basic to advanced and beyond

  • خاویر از فضاپیمای خود سلام می فرستد Javier sends greetings from his spacecraft

  • انقلاب مولد: بازگشت به خانه The generative revolution: coming home

  • حال و آینده هوش مصنوعی مولد است The present and future of AI is generative

  • کاربردهای هوش مصنوعی مولد Applications of generative AI

  • فضاهای پنهان و یادگیری بازنمایی Latent spaces and representation learning

  • پیمایش در فضاهای نهفته Navigating latent spaces

  • GANS: شبکه های متخاصم مولد GANS: Generative Adversarial Networks

  • مزایا و امکانات هوش مصنوعی مولد Benefits and possibilities of Generative AI

  • بازگشت به خانه: هوش مصنوعی مولد و طبیعت انسان Coming home: generative AI and human nature

  • خاویر آهنگی را می خواند که به هوش مصنوعی مولد اختصاص دارد Javier sings a song dedicated to generative AI

کدگذاری یک معماری پایه پایه Coding a basic generative architecture

  • خاویر بخش 2 را از فضاپیمای خود معرفی می کند Javier introduces section 2 from his spacecraft

  • درک نبرد بین ژنراتور و تبعیض آمیز Understanding the battle between generator and discriminator

  • درک آنتروپی متقابل در عمق Understanding Cross Entropy in depth

  • درک معادله برای محاسبه از دست دادن تبعیض کننده Understanding the equation to calculate the discriminator loss

  • درک معادله برای محاسبه تلفات ژنراتور Understanding the equation to calculate the generator loss

  • (اختیاری) آموزش گوگل کواب (Optional) Google Colab Tutorial

  • کدگذاری: وارد کردن کتابخانه ها و اعلام عملکرد تجسم Coding: importing libraries and declaring a visualization function

  • کدگذاری: hyperparameters و dataOloader Coding: hyperparameters and the DataLoader

  • کدگذاری: کلاس ژنراتور Coding: the generator class

  • کدگذاری: کلاس تبعیض آمیز Coding: the discriminator class

  • کدگذاری: بهینه ساز و تست ژنراتور Coding: the optimizer and testing the generator

  • کدگذاری: مقادیر از دست دادن ژنراتور و تبعیض کننده Coding: the loss values of generator and discriminator

  • کدگذاری: حلقه آموزش اصلی، بخش تبعیض آمیز Coding: main training loop, discriminator part

  • کدگذاری: حلقه آموزش اصلی، ژنراتور و آمار Coding: main training loop, generator and stats

  • کدگذاری: اجرای آموزش Coding: running the training

  • کدگذاری: نتایج و نتیجه گیری Coding: results and conclusions

کدگذاری معماری پیشرفته تولید Coding an advanced generative architecture

  • خاویر بخش 3 را از فضاپیمای خود معرفی می کند Javier introduces section 3 from his spacecraft

  • چالش ها و مسائل مربوط به GAN پایه Challenges and issues of the basic GAN

  • از دست دادن Wasserstein The Wasserstein Loss

  • مجازات شیب The Gradient Penalty

  • کدگذاری: تنظیم کتابخانه ها و پارامترها Coding: setting up libraries and parameters

  • کدگذاری: ورود و راه اندازی کتابخانه آمار Wandb Coding: Login and setup of the Wandb stats library

  • کدگذاری: شروع ژنراتور Coding: Beginning the generator

  • کدگذاری: درک پیچیدگی ها Coding: Understanding convolutions

  • کدگذاری: کلاس ژنراتور Coding: The generator class

  • کدگذاری: کلاس منتقد Coding: The critic class

  • کدگذاری: روش جایگزین برای مقداردهی اولیه پارامترها (اختیاری) Coding: Alternative way to initialize parameters (optional)

  • کدگذاری: بارگیری مجموعه داده های Celeba Coding: Loading the CelebA dataset

  • برنامه نویسی: اعلام اطلاعات، DataLoader و بهینه سازان Coding: Declaring dataset, dataloader and optimizers

  • کدگذاری: مجازات شیب Coding: the gradient penalty

  • کدگذاری: ذخیره و بارگیری بازرسی Coding: saving and loading checkpoints

  • کدگذاری: حلقه آموزش - آموزش منتقد Coding: training loop - critic training

  • کدگذاری: حلقه آموزش - آموزش ژنراتور Coding: training loop - generator training

  • کدگذاری: آمار و رفع مسائل Coding: stats and fixing issues

  • کدگذاری: بررسی کد قبل از اجرای آموزش Coding: reviewing the code before running the training

  • کدگذاری: اجرای آموزش Coding: running the training

  • کدگذاری: نتایج پس از چند دوره Coding: results after a few epochs

  • کدگذاری: نتایج پس از چند دوره دیگر Coding: results after a few more epochs

  • کدگذاری: نتایج بهتر و بهتر می شود Coding: results getting better and better

  • برنامه نویسی: مورفین بین نقاط در فضای خالی Coding: morphing between points in latent space

  • کدگذاری: مورفین بیشتر Coding: more morphing

تولید تصاویر از متن با ترکیب دو معماری پیشرفته Generating images from text by combining two advanced architectures

  • خاویر بخش 4 را از فضاپیمای خود معرفی می کند Javier introduces section 4 from his spacecraft

  • نسل چند عمر، یک ماجراجویی باور نکردنی Multimodal generation, an incredible adventure

  • کدگذاری: وارد کردن کتابخانه ها Coding: importing the libraries

  • کدگذاری: توابع Helper و hyperparameters Coding: helper functions and hyperparameters

  • کدگذاری: راه اندازی مدل کلیپ Coding: Setting up the CLIP model

  • کدگذاری: راه اندازی مدل ترانسفورماتور مولد Coding: Setting up the Generative transformer model

  • کدگذاری: تنظیم پارامترهای فضای پنهان بهینه سازی شده Coding: Setting up the latent space parameters to be optimized

  • کدگذاری: رمزگذاری متن را از طریق کلیپ رمزگذاری می کند Coding: encode the text prompts through CLIP

  • کدگذاری: ایجاد محصولات از تصویر تولید شده Coding: creating crops from the generated image

  • کدگذاری: یک تابع برای نمایش تصاویر و محصولات تولید شده Coding: a function to display generated images and crops

  • کدگذاری: بهینه سازی پارامترهای فضای پنهان Coding: optimizing the latent space parameters

  • کدگذاری: حلقه آموزش Coding: the training loop

  • کدگذاری: اجرای آموزش Coding: running the training

  • کدگذاری: بین نقاط در فضای خالی interpolating Coding: interpolating between points in the latent space

  • کدگذاری: ایجاد یک ویدیو از درونگرا و بررسی کلی Coding: creating a video of the interpolations and general review

  • کدگذاری: ایجاد تغییرات کد Coding: creating variations of the code

  • کدگذاری: Davinci Sfumato: بهینه سازی کد برای ایجاد یک نوع جدید از بافت Coding: Davinci Sfumato: Tweaking the code to create a new kind of texture

  • کدگذاری: داوینچی Sfumato: بازتاب در مورد روند Coding: Davinci Sfumato: reflecting about the process

  • تبریک نهایی از فضاپیما Final greetings from the spacecraft

ویرایش لباس افراد با ترکیب تقسیم بندی و مدل های هوش مصنوعی مولد Editing people's clothes by combining segmentation and generative AI models

  • مقدمه: تعویض و ویرایش لباس افراد با استفاده از هوش مصنوعی Generative Intro: people's clothes replacement and editing using Generative AI

  • کدگذاری: راه اندازی کتابخانه ها و مدل تقسیم بندی Coding: Setting up libraries and the segmentation model

  • کدگذاری: راه اندازی مدل مولد انتشار پایدار Coding: Setting up the Stable Diffusion generative model

  • کدگذاری: بارگذاری یک عکس و اجرای فرآیند تقسیم بندی برای تولید ماسک Coding: Loading a picture and running the segmentation process to produce masks

  • کدگذاری: تجسم ماسک های تولید شده Coding: Visualizing the generated masks

  • کدگذاری: Inpainting، اجرا و آزمایش با مدل Stable Diffusion Coding: Inpainting, running and experimenting with the Stable Diffusion model

  • کدگذاری: فرآیند تقسیم بندی را با اعلان های متنی هدایت کنید Coding: Guide the segmentation process with text prompts

  • کدگذاری: مدل مولد را در این تنظیمات جایگزین اجرا کنید Coding: run the generative model in this alternative setup

  • پایان بخش Ending of the section

جایزه: سفر به فضای پنهان شبکه عصبی Bonus: Journey to the latent space of a Neural Network

  • در جستجوی نقشه های جادویی خلاقیت In Search of the Magical Mappings of Creativity

  • جستجوی نقشه کامل: مجموعه داده ها و ابعاد The Search for the Perfect Mapping: datasets and dimensionality

  • از خطی بودن تا پیچیدگی: شبکه های عصبی و غیرخطی های زندگی From Linearity to Complexity: Neural Networks and the Nonlinearities of Life

  • خم کردن قوانین: تبدیل های غیر خطی و کلید پیچیدگی Bending the Rules: Non-Linear transformations and the key to complexity

  • نه خیلی سفت، نه خیلی شل - پیدا کردن تناسب کامل Not Too Tight, Not Too Loose - Finding the perfect fit

  • چگونه افزایش ابعاد بر پیچیدگی پنهان شبکه تأثیر می گذارد How increasing the dimensionality impacts the latent complexity of the network

  • قدرت عمق: ایجاد نقشه‌های پیچیده با شبکه‌های هوش مصنوعی The Power of Depth: Creating Sophisticated Mappings with AI networks

  • از منیفولدهای با ابعاد بالا گرفته تا فضاهای نهفته پویا و همیشه در حال تغییر From high dimensional manifolds to dynamic and ever changing latent spaces

  • نمایش دیجیتالی پیشرفته از پیچیدگی پنهان شبکه های عصبی Advanced digital representations of the latent complexity of neural networks

  • تجسم سفر: مناظر از دست دادن و جستجو برای وزن های بهینه Visualizing the Journey: Loss Landscapes and the Search for Optimal Weights

  • مثالی از چشم انداز پویای ضرر یک شبکه متخاصم مولد Example of the dynamic Loss Landscape of a generative adversarial network

  • لوسی - تجسم زمان واقعی تغییر وزن یک شبکه عصبی Lucy - Real Time Visualization of the changing weights of a neural network

  • ترسیم اعماق پنهان: خلاصه ای از سفر فضایی نهفته دگرگون کننده ما Charting the hidden depths: a recap of our transformative latent space journey

پاداش: فعال کردن مدل مولد ذهن خود Bonus: Activating the Generative Model of your own mind

  • یک تجربه تجسم هدایت شده برای اعمال مدل مولد در ذهن شما A guided visualization experience to exercise the generative model in your head

  • مقدمه سفر به مرکز نورون Intro to the journey to the center of the neuron

  • ظرف، اقیانوس شور و 150000 ستون قشری The container, the salty ocean and the 150000 cortical columns

  • تجسم نورون هرمی Visualizing the pyramidal neuron

  • Synapse، تجسم رابط ورودی-خروجی The Synapse, visualizing the input-output interface

  • نورون های بیولوژیکی در مقابل نورون های مصنوعی: ورودی ها، خروجی ها، سرعت و غیره Biological vs Artificial Neurons: Inputs, Outputs, Speed, etc

  • یادگیری در نورون های بیولوژیکی و مصنوعی Learning in biological and artificial neurons

  • برنامه ریزی، تصمیم گیری و مدل های جهانی Planning, decision making and world models

  • کارایی: پراکندگی در شبکه های بیولوژیکی در مقابل شبکه های مصنوعی Efficiency: sparsity in biological vs artificial networks

  • آگاهی: درون نورون ها Consciousness: within the neurons

  • آینده، به سمت AGI/ASI The future, towards AGI / ASI

نمایش نظرات

آموزش هوش مصنوعی مولد، از GAN تا CLIP، با پایتون و پایتورچ
جزییات دوره
11.5 hours
104
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
42,527
4.5 از 5
دارد
دارد
دارد
Javier Ideami
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Javier Ideami Javier Ideami

مهندس چند رشته ای، محقق و Creative DirectorJavier Ideami متخصص در A.i و یادگیری عمیق، متخصص در تجسم پیشرفته، دید کامپیوتر و معماری های تولید کننده است. او یک مهندس چند رشته ای، محقق، مدیر خلاق، هنرمند و کارآفرین است. پروژه های خاویر Ideami او را از دره سیلیکون به جنگل های بالی، از جمله دانشگاه استنفورد و UC Berkeley، سازمان ملل متحد سازمان ملل متحد، مرکز مالی لندن، کنفرانس بین المللی دیپلماسی بین المللی در برلین و بسیاری دیگر، گرفته است.