آموزش شبکه‌های متخاصم مولد عمیق (DCGAN)

Deep Convolutional Generative Adversarial Networks (DCGAN)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش ایجاد شبکه‌های متخاصم مولد (GAN) و شبکه‌های متخاصم مولد عمیق (DCGAN) آموزش اصول اولیه شبکه‌های متخاصم مولد (GAN) آموزش اصول اولیه شبکه‌های متخاصم مولد عمیق (DCGAN) ساخت شبکه‌های تبلیغاتی مولد عمیق DCGAN) با راهنمایی گام به گام تنظیم کد شبکه های متخاصم مولد عمیق (DCGAN) پیش نیازها: دانش پایه شبکه های عصبی مفید خواهد بود، با این حال تمام مفاهیم اولیه در این دوره پوشش داده خواهد شد.

شبکه‌های متخاصم مولد (GAN) شبکه‌های متخاصم مولد عمیق (DCGAN) یکی از جالب‌ترین و پرطرفدارترین ایده‌ها در علوم رایانه امروزی هستند.

دو مدل به طور همزمان توسط یک فرآیند متخاصم آموزش داده می شوند. یک مولد، یاد می‌گیرد که تصاویری بسازد که واقعی به نظر می‌رسند، در حالی که یک ممیز یاد می‌گیرد که تصاویر واقعی را از تقلبی جدا کند.


در پایان دوره با اصول برنامه نویسی پایتون و اصول اولیه شبکه های متخاصم مولد (GAN) شبکه های متخاصم مولد عمیق (DCGAN) آشنا خواهید شد.

دوره دارای راهنمای گام به گام

خواهد بود

TensorFlow و کتابخانه های دیگر را وارد کنید

بارگیری و آماده سازی مجموعه داده

مدل ها را ایجاد کنید (Generator Discriminator)

تلفات و بهینه‌سازها را تعریف کنید (از دست دادن ژنراتور، از دست دادن تفکیک کننده)

حلقه آموزشی را تعریف کنید

مدل را آموزش دهید

خروجی را تجزیه و تحلیل کنید



پیش نیازهای پیشنهادی:

  • کدنویسی پایتون: برخی از بازبینی‌ها در طول این دوره ارائه شده است

  • نزول شیب

  • دانش اولیه شبکه های عصبی



سرفصل ها و درس ها

معرفی Introduction

  • GAN ها چیست؟ شبکه های متخاصم مولد (GAN) What are GANs ? Generative Adversarial Networks (GANs)

  • TensorFlow و کتابخانه های دیگر را وارد کنید Import TensorFlow and other libraries

  • مجموعه داده را بارگیری و آماده کنید Load and prepare the dataset

  • ایجاد مدل ها - ژنراتور Create the models - The Generator

  • ایجاد مدل - The Discriminator Create the models - The Discriminator

  • ضرر و بهینه ساز را تعریف کنید Define the loss and optimizers

  • حلقه آموزش را تعریف کنید Define the training loop

  • آموزش مدل - قسمت Train the model - Part

  • یک GIF ایجاد کنید Create a GIF

  • تفاوت GAN در مقابل DCGAN GAN vs DCGAN difference

  • کد منبع - برای دوره Source code - for the course

  • کد منبع را دانلود کنید Download the Source code

  • خروجی Output

خواندن اضافی Extra Reading

  • شبکه های متخاصم مولد Generative Adversarial Networks

  • Deep Convolutional Generative Adversarial Network - مقاله پژوهشی Deep Convolutional Generative Adversarial Network - Research paper

تجدید نظر - شبکه های عصبی Revision - Neural Networks

  • تنظیم محیط: آناکوندا Setting up the Environment : Anaconda

  • آموزش KERAS: توسعه یک شبکه عصبی مصنوعی در پایتون [گام به گام KERAS Tutorial : Developing an Artificial Neural Network in Python [Step by Step

نمایش نظرات

آموزش شبکه‌های متخاصم مولد عمیق (DCGAN)
جزییات دوره
2.5 hours
17
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,109
3.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Academy of Computing & Artificial Intelligence Academy of Computing & Artificial Intelligence

مدرس ارشد / سرپرست پروژه / مشاور من 9 سال سابقه کار به عنوان محقق ، مدرس ارشد ، ناظر پروژه و مهندس دارم. کارشناسی ارشد هوش مصنوعی (دانشگاه موراتووا) ، مهندسی نرم افزار کارشناسی - افتخارات درجه یک (دانشگاه وست مینستر) ، SCJP ، SCWC من کارشناسی ارشد هوش مصنوعی را گذرانده ام. مهندسی نرم افزار کارشناسی ارشد - افتخارات درجه یک از دانشگاه وست مینستر (انگلستان). Sun Certified Java Programmer (SCJP). - 93٪ و یک توسعه دهنده مجاز وب Sun Component 97٪. . من تجربه تحقیق در داده کاوی ، یادگیری ماشین ، رایانش ابری ، هوش تجاری و مهندسی نرم افزار را دارم