آموزش شبکه های متخاصم مولد با وضوح بالا (GAN)

High Resolution Generative Adversarial Networks (GANs)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تولید تصویر واقعی با Python و TensorFlow 2.0 ایجاد یک GAN با قابلیت تولید تصاویر با وضوح بالا با استفاده از TensorFlow 2.0 توزیع آموزش بر روی یک TPU یا GPUS چندگانه پیاده‌سازی تابع از دست دادن R2 پیاده‌سازی یک لایه کانولوشن مقیاس‌شده پیاده‌سازی لایه‌های نمونه‌برداری بالا و پایین پیاده‌سازی mini- دسته ای انحراف استاندارد برای گرفتن تنوع مجموعه داده تولید تصاویر تصادفی بی نهایت از یک ژنراتور آموزش دیده اعمال یک فیلتر طول مسیر ادراکی برای تصاویر تولید شده ایجاد درون یابی بین دو تصویر تولید شده مختلف

این دوره اصول لازم برای یک GAN پیشرفته را پوشش می دهد. هر کسی که به تنهایی با GAN ها آزمایش کرده است می داند که جمع کردن یک GAN که ارقام MNIST را بیرون می اندازد آسان است، اما تولید تصاویر واقعی واقعی با وضوح بالاتر از یک تصویر کوچک سطح دیگری از دشواری است.


این دوره به طور جامع فاصله بین ارقام MNIST و چهره های با وضوح بالا را پر می کند. شما یک GAN ایجاد و آموزش خواهید داد که می تواند در برنامه های کاربردی دنیای واقعی استفاده شود.


و از آنجایی که آموزش شبکه‌های با وضوح بالا از هر نوعی از نظر محاسباتی پرهزینه است، همچنین خواهید آموخت که چگونه آموزش خود را در چندین GPU یا TPU توزیع کنید. سپس برای آموزش، از سخت افزار TPU گوگل به صورت رایگان در Google Colab استفاده می کنیم. این به دانش‌آموزان امکان می‌دهد تا ژنراتورهایی با وضوح 512x512 بدون هیچ هزینه سخت‌افزاری آموزش دهند.


مواد این دوره از مقالات ProGAN، StyleGAN، و StyleGAN 2 استخراج شده است که نتایج شگفت انگیز و شگفت انگیزی تولید کرده اند. ما حتی از همان مجموعه داده Flicker Faces HD برای تکرار نتایج آنها استفاده خواهیم کرد.


در نهایت، کدام دوره GAN بدون داشتن مقداری سرگرمی با ژنراتور کامل می شود؟ دانش‌آموزان نه تنها نحوه تولید بی‌نهایت تصاویر منحصربه‌فرد را یاد خواهند گرفت، بلکه نحوه فیلتر کردن آن‌ها را با استفاده از فیلتر طول مسیر ادراکی به تصاویر با بالاترین کیفیت نیز خواهند آموخت. شما حتی یاد خواهید گرفت که چگونه بین دو تصویر تولید شده درون یابی صاف ایجاد کنید، که تصاویری واقعاً جالب ایجاد می کند.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • افسانه ها در مورد GAN ها و حقیقت در مورد آنچه واقعا هستند Myths About GANs And the Truth About What They Really Are

معماری Architecture

  • ژنراتور - سطح بالا Generator - High Level

  • ژنراتور - جزئیات Generator - Details

  • ممیز - سطح بالا Discriminator - High Level

  • تبعیض - جزئیات Discriminator - Details

جرم گیری وزن Weight Scaling

  • تئوری Theory

  • Conv2d Conv2d

  • متراکم Dense

  • LeakyRelu LeakyRelu

نمونه گیری مجدد Resampling

  • تئوری نمونه گیری مجدد Resampling Theory

  • تئوری تاری Blurring Theory

  • کد محو کردن Blurring Code

  • کد نمونه گیری مجدد Resampling Code

نمونه برداری ترکیبی + کانولوشن Combined Resampling + Convolution

  • تئوری Theory

  • کد پایین نمونه گیری Downsampling Code

  • کد نمونه برداری Upsampling Code

انحراف استاندارد مینی دسته Minibatch Standard Deviation

  • تئوری Theory

  • کد Code

PixelNorm و تبدیل تصویر PixelNorm and Image Conversion

  • نظریه عادی سازی پیکسل ویز Pixelwise Normalization Theory

  • کد عادی سازی Pixelwise Pixelwise Normalization Code

  • تبدیل تصویر Image Conversion

کد مدل Model Code

  • ژنراتور Generator

  • تبعیض کننده Discriminator

مرحله از دست دادن و تمرین Loss and Training Step

  • بررسی اجمالی آموزش سطح بالا High Level Training Overview

  • چرا ضرر Wasserstein به وضوح بالا نمی رسد؟ Why the Wasserstein Loss Doesn't Scale to High Resolutions

  • تئوری ضرر R2 R2 Loss Theory

  • تئوری منظم سازی تنبل Lazy Regularization Theory

  • کد تابع مرحله Step Function Code

استفاده از TPU با استراتژی توزیع شده Using a TPU With a Distributed Strategy

  • تئوری Theory

  • مثال ساده Simple Example

  • نکات Tips

  • توزیع حلقه آموزشی ما Distributing Our Training Loop

پشتیبانی از تماس های تلفنی Supporting Callbacks

  • تماس از حلقه آموزش Calling Back From the Training Loop

  • تجسم Callback - مقدمه Visualization Callback - Introduction

  • Visualization Callback - Visualization Generator Visualization Callback - Visualization Generator

  • تجسم Callback - Callback خود Visualization Callback - Callback Itself

  • پاسخ به تماس ایست بازرسی - نمای کلی Checkpoint Callback - Overview

  • ایست بازرسی Callback - Checkpointer Checkpoint Callback - Checkpointer

  • پاسخ به تماس ایست بازرسی - سریال سازی Checkpoint Callback - Serialization

  • پاسخ به تماس ایست بازرسی - Pickling the TrainingState Checkpoint Callback - Pickling the TrainingState

آموزش Training

  • مجموعه داده Dataset

  • گزینه ها Options

  • تابع train(). train() Function

  • اسکریپت آموزشی اصلی Main Training Script

  • نسخه ی نمایشی اسکریپت آموزشی اصلی Main Training Script Demo

  • آموزش در کولب Training in Colab

  • BFloat16 BFloat16

تولید تصاویر Generating Images

  • فیلتر طول مسیر ادراکی - تئوری Perceptual Path Length Filter - Theory

  • فیلتر طول مسیر ادراکی - کد Perceptual Path Length Filter - Code

  • فیلتر طول مسیر ادراکی - تأثیر بر تنوع Perceptual Path Length Filter - Effect On Variety

  • اسکریپت تولید تصویر اصلی Main Image Generation Script

  • نتایج! Results!

  • درون یابی - نقطه به نقطه Interpolations - Point to Point

  • درون یابی - دایره ای Interpolations - Circular

بسته بندی Wrapping Up

  • ایجاد TFRecords Creating TFRecords

  • نتیجه Conclusion

نمایش نظرات

آموزش شبکه های متخاصم مولد با وضوح بالا (GAN)
جزییات دوره
7.5 hours
57
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
489
4.3 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Brad Klingensmith Brad Klingensmith

مربی یادگیری ماشین