آموزش شبکه های متخاصم مولد (GAN): راهنمای کامل

Generative Adversarial Networks (GANs): Complete Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Deep Learning و Computer Vision برای اجرای پروژه ها با استفاده از انقلابی ترین فناوری های دنیا! درک شهود اولیه در مورد GAN ها تولید تصاویر ارقام (0 - 9) با استفاده از DCGAN و WGAN تبدیل تصاویر ماهواره ای به نقشه با استفاده از معماری Pix2Pix تبدیل گورخرها به اسب با استفاده از معماری CycleGAN انتقال سبک ها بین تصاویر اعمال وضوح فوق العاده برای بهبود کیفیت تصویر با استفاده از معماری ESRGAN ایجاد جدید چهره افراد با کیفیت و وضوح بالا با استفاده از StyleGAN تولید تصاویر از طریق توضیحات متنی بازیابی عکس های قدیمی با استفاده از GFP-GAN تکمیل قسمت های از دست رفته تصاویر با استفاده از معماری بی کران تولید دیپ فیک برای تعویض چهره با SimSwap پیش نیازها:منطق برنامه نویسی برنامه نویسی پایه پایتون دانش در مورد شبکه های عصبی مطلوب است، اما اجباری نیست

GAN ها (شبکه های متخاصم مولد) یکی از مدرن ترین و جذاب ترین فناوری ها در زمینه Deep Learning و Computer Vision هستند. آنها توجه زیادی را به خود جلب کرده اند زیرا می توانند محتوای جعلی ایجاد کنند. یکی از کلاسیک ترین نمونه ها ایجاد افرادی است که در دنیای واقعی وجود ندارند تا برای پخش برنامه های تلویزیونی از آنها استفاده شود. این فناوری انقلابی در زمینه هوش مصنوعی برای تولید نتایج با کیفیت بالا محسوب می شود و همچنان یکی از محبوب ترین و مرتبط ترین موضوعات باقی مانده است.

در این دوره شما شهود اولیه و عمدتاً پیاده سازی عملی مدرن ترین معماری های شبکه های متخاصم تولیدی را خواهید آموخت! این دوره یک راهنمای کامل به حساب می آید زیرا همه چیز را از ابتدایی ترین مفاهیم گرفته تا مدرن ترین و پیشرفته ترین تکنیک ها را ارائه می دهد تا در نهایت تمام ابزارهای لازم برای ساخت پروژه های خود را در اختیار داشته باشید! در زیر تعدادی از پروژه هایی را که می خواهید گام به گام اجرا کنید ببینید:

  • ایجاد ارقام از 0 تا 9

  • تبدیل تصاویر ماهواره ای به تصاویر نقشه، مانند سبک Google Maps

  • تبدیل نقاشی ها به عکس های با کیفیت

  • با استفاده از تصاویر اسب، گورخر ایجاد کنید

  • انتقال سبک ها بین تصاویر با استفاده از نقاشی های هنرمندان مشهوری مانند ون گوگ، سزان و اوکیو

  • وضوح تصاویر با کیفیت پایین (فوق العاده وضوح) را افزایش دهید

  • دیپ فیک (چهره های جعلی) با کیفیت بالا تولید کنید

  • تصاویر را از طریق توضیحات متنی ایجاد کنید

  • بازیابی عکس های قدیمی

  • قطعات گمشده تصاویر را کامل کنید

  • چهره افرادی را که در محیط‌های مختلف هستند عوض کنید

برای پیاده سازی پروژه ها، چندین معماری مختلف از GAN ها را یاد خواهید گرفت، مانند: DCGAN (شبکه متخاصم مولد عمیق)، WGAN (Wassertein GAN)، WGAN-GP (Wassertein GAN-Gradient Penalty)، cGAN (GAN شرطی). )، Pix2Pix (تصویر به تصویر)، CycleGAN (شبکه متخاصم سازگار با چرخه)، SRGAN (GAN با وضوح فوق العاده)، ESRGAN (GAN با وضوح فوق پیشرفته)، StyleGAN (معماری ژنراتور مبتنی بر سبک برای GAN)، VQ-GAN بردار شبکه متخاصم مولد کوانتیزه)، CLIP (پیش آموزش زبان متضاد-تصویر)، BigGAN، GFP-GAN (GAN قبل از صورت مولد)، GAN نامحدود (بدون مرز) و SimSwap (تبادل ساده).

در طول دوره، ما از زبان برنامه نویسی پایتون و Google Colab به صورت آنلاین استفاده خواهیم کرد، بنابراین لازم نیست نگران نصب و پیکربندی کتابخانه ها بر روی دستگاه خود باشید! بیش از 100 سخنرانی و 16 ساعت فیلم!


سرفصل ها و درس ها

معرفی Introduction

  • محتوای دوره Course content

  • مقدمه ای بر GAN ها Introduction to GANs

  • GAN ها چگونه کار می کنند How GANs work

  • مواد درسی Course materials

DCGAN و WGAN DCGAN and WGAN

  • DCGAN - شهود DCGAN - intuition

  • مجموعه داده MNIST MNIST dataset

  • ساخت ژنراتور Building the generator

  • ایجاد تبعیض Building the discriminator

  • محاسبه ضرر (خطا). Loss (error) calculation

  • آموزش Training

  • تجسم نتایج Visualizing the results

  • تکلیف و راه حل HOMEWORK and solution

  • WGAN - شهود 1 WGAN - intuition 1

  • WGAN - شهود 2 WGAN - intuition 2

  • WGAN-GP - شهود WGAN-GP - intuition

  • آماده سازی محیط Preparing the environment

  • از دست دادن واسرتین Wassertein loss

  • جریمه گرادیان Gradient penalty

  • آموزش 1 Training 1

  • آموزش 2 و تجسم Training 2 and visualization

  • تکلیف و راه حل HOMEWORK and solution

cGAN - Pix2Pix و CycleGAN cGAN - Pix2Pix and CycleGAN

  • cGAN - شهود cGAN - intuition

  • Pix2Pix - شهود Pix2Pix - intuition

  • مجموعه داده نقشه Map dataset

  • پیش پردازش تصاویر 1 Preprocessing the images 1

  • پیش پردازش تصاویر 2 Preprocessing the images 2

  • در حال بارگیری داده ها Loading the data

  • ساخت ژنراتور 1 Building the generator 1

  • ساخت ژنراتور 2 Building the generator 2

  • ساخت ژنراتور 3 Building the generator 3

  • ایجاد عامل تمایز 1 Building the discriminator 1

  • ایجاد عامل تمایز 2 Building the discriminator 2

  • تولید تصاویر Generating the images

  • آموزش 1 Training 1

  • آموزش 2 و نتایج Training 2 and results

  • Pix2Pix از پیش آموزش داده شده با PyTorch Pretrained Pix2Pix with PyTorch

  • مجموعه داده نما Facades dataset

  • تجسم نتایج Visualizing the results

  • طراحی روی عکس 1 Drawing to photo 1

  • طراحی روی عکس 2 Drawing to photo 2

  • شب به روز Night to day

  • تکلیف و راه حل HOMEWORK and solution

  • CycleGAN - شهود CycleGAN - intuition

  • مجموعه داده سیب و پرتقال Apples and orange dataset

  • پیش پردازش Preprocessing

  • در حال بارگذاری تصاویر Loading the images

  • مولد و ممیز Generator and discriminator

  • عملکرد از دست دادن Loss function

  • بهینه سازها و ایست بازرسی Optimizers and checkpoint

  • آموزش 1 Training 1

  • آموزش 2 و نتایج Training 2 and results

  • CycleGAN از پیش آموزش دیده با PyTorch Pretrained CycleGAN with PyTorch

  • اسب به گورخر Horse to zebra

  • انتقال سبک Style transfer

  • سبک های ون گوگ، سزان و اوکیو Van Gogh, Cezanne and Ukiyo-e styles

  • تکلیف و راه حل HOMEWORK and solution

سرگان و اسرگان SRGAN and ESRGAN

  • SRGAN - شهود SRGAN - intuition

  • ESRGAN - شهود ESRGAN - intuition

  • مدل از پیش آموزش دیده Pretrained model

  • تست تصاویر Testing images

  • وضوح فوق العاده Super resolution

  • ارزیابی نتایج - PSNR Evaluating the results - PSNR

  • بهبود نتایج Improving the results

  • تکلیف و راه حل HOMEWORK and solution

StyleGAN StyleGAN

  • ProGAN - شهود ProGAN - intuition

  • StyleGAN - شهود StyleGAN - intuition

  • مدل از پیش آموزش دیده Pretrained model

  • تولید تصاویر 1 Generating images 1

  • تولید تصاویر 2 Generating images 2

  • تولید تصاویر 3 Generating images 3

  • درون یابی Interpolation

  • سایر مدل های از پیش آموزش دیده Other pretrained models

  • تکلیف و راه حل HOMEWORK and solution

VQGAN + CLIP - متن به تصویر VQGAN + CLIP - text to image

  • VQGAN + CLIP - شهود VQGAN + CLIP - intuition

  • مدل از پیش آموزش دیده Pretrained model

  • تنظیمات GAN GAN settings

  • تجسم نتایج Visualizing the results

  • نتایج در ویدیوها Results in videos

  • تکلیف و راه حل HOMEWORK and solution

انواع دیگر GAN ها Other types of GANs

  • BigGAN - شهود BigGAN - intuition

  • مدل از پیش آموزش دیده Pretrained model

  • تنظیمات GAN GAN settings

  • تولید تصاویر جدید 1 Generating new images 1

  • تولید تصاویر جدید 2 Generating new images 2

  • GFP-GAN برای بازیابی عکس های قدیمی GFP-GAN to restore old photos

  • مدل از پیش آموزش دیده Pretrained model

  • ترمیم عکس Photo restoration

  • بی حد و مرز برای پسوند تصویر Boundless for image extension

  • پردازش تصویر Processing the image

  • تجسم نتایج Visualizing the results

  • SimSwap برای دیپ فیک SimSwap for deepfake

  • مدل از پیش آموزش دیده Pretrained model

  • تعویض چهره Face swap

  • موارد اضافی: GAN ها در ویدیوها Additional: GANs in videos

مطالب اضافی 1: شبکه های عصبی مصنوعی Additional content 1: Artificial neural networks

  • مبانی بیولوژیکی Biological fundamentals

  • پرسپترون تک لایه Single layer perceptron

  • پرسپترون چند لایه - توابع مجموع و فعال سازی Multilayer perceptron – sum and activation functions

  • پرسپترون چند لایه - محاسبه خطا Multilayer perceptron – error calculation

  • نزول گرادیان Gradient descent

  • پارامتر دلتا Delta parameter

  • به روز رسانی وزنه ها با پس انتشار Updating weights with backpropagation

  • تعصب، خطا، نزول گرادیان تصادفی، و پارامترهای بیشتر Bias, error, stochastic gradient descent, and more parameters

مطالب اضافی 2: شبکه های عصبی کانولوشن Additional content 2: Convolution neural networks

  • مقدمه ای بر شبکه های عصبی کانولوشنال Introduction to convolutional neural networks

  • اپراتور کانولوشنال Convolutional operator

  • ادغام Pooling

  • صاف کردن Flattening

  • شبکه عصبی متراکم Dense neural network

اظهارات پایانی Final remarks

  • اظهارات پایانی Final remarks

  • جایزه BONUS

نمایش نظرات

آموزش شبکه های متخاصم مولد (GAN): راهنمای کامل
جزییات دوره
16.5 hours
109
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
712
4.6 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

Jones Granatyr Jones Granatyr

استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.

IA Expert Academy IA Expert Academy

Plataforma de Cursos sobre Ciência de Dados و IAA plataforma IA Expert tem o Objetivo de trazer cursos teóricos and Páticos de facil entendimento sobre sobre Inteligência Artificial e Ciência de Dados، برای اینکه حرفه ای به عنوان یک IAcareos به عنوان یک رضایتمندی به عنوان یک رضایتمندی شناخته شود. trazer para seus negócios، bem como apresentar todas as oportunidades que essa área pode trazer para profissionais de tecnologia da informação. Também trazemos notícias atualizadas semanais sobre a área em nosso portal.

Gabriel Alves Gabriel Alves

توسعه دهنده Olá ، eu me chamo گابریل آلوس و به صورت رسمی در قالب Cienscia da Computação pela Universidade do Contestado (UnC) Porto União. Curso Técnico em Informática pelo Colégio Técnico de União da Vitória (COLTEC) ، نتیجه گیری در سال 2014. ما با استفاده از زبانهای ویژه و ویژه زبانهای پایتون ، با کیفیت مناسب ترجیح می دهیم که از هیچ یک از مصالح مصنوعی Inteligência استفاده نکنید. Sou desde semper apaixonado pela computação e por temas que envolvem ciência e tecnologia.