آموزش انتقال سبک با PyTorch

Style Transfer with PyTorch

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره جنبه های مهم انتقال سبک عصبی ، یک روش برای تبدیل تصاویر را پوشش می دهد و در مورد شبکه های خصمانه تولیدی به منظور ایجاد موثر تصاویر و فیلم های واقع گرایانه بحث می کند. این دوره بخشی از موارد زیر است: ساختن راه حل های یادگیری عمیق با PyTorch Path همه را بزرگ کنید بررسی اجمالی دوره 2 متر 1 ثانیه درک انتقال سبک عصبی دهه 38 و 40 پیاده سازی انتقال سبک عصبی در PyTorch 33m 17s ساخت شبکه های خصمانه عمومی در PyTorch 35 متر 51 علائم تجاری و نامهای تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک انتقال سبک عصبی Understanding Neural Style Transfer

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

  • تصاویر محتوا ، سبک و هدف Content, Style, and Target Images

  • آموزش تصویر هدف برای انتقال سبک Training the Target Image for Style Transfer

  • از دست دادن مطالب Content Loss

  • سبک از دست دادن: محصولات انساج کسینوس و نقطه Style Loss: Cosine Similarity and Dot Products

  • از دست دادن سبک: گرام ماتریس Style Loss: Gram Matrix

  • راه اندازی یک ماشین مجازی یادگیری عمیق Setting up a Deep Learning Virtual Machine

  • استفاده از فیلترهای کانولوشن برای شناسایی ویژگی ها Using Convolution Filters to Detect Features

  • خلاصه ماژول Module Summary

پیاده سازی انتقال سبک عصبی در PyTorch Implementing Neural Style Transfer in PyTorch

  • بررسی اجمالی ماژول Module Overview

  • مدل های آموزش دیده برای انتقال سبک Pretrained Models for Style Transfer

  • بارگیری مدل پیش ساخته VGG19 Loading the VGG19 Pretrained Model

  • کاوش و تبدیل تصاویر محتوا و سبک Exploring and Transforming the Content and Style Images

  • استخراج نقشه های ویژه از محتوا و تصاویر سبک Extracting Feature Maps from the Content and Style Images

  • محاسبه ماتریس گرم برای استخراج اطلاعات سبک Calculating the Gram Matrix to Extract Style Information

  • آموزش تصویر هدف برای انجام انتقال سبک Training the Target Image to Perform Style Transfer

  • انتقال سبک با استفاده از AlexNet Style Transfer Using AlexNet

  • خلاصه ماژول Module Summary

ساخت شبکه های خصمانه عمومی در PyTorch Building Generative Adversarial Networks in PyTorch

  • بررسی اجمالی ماژول Module Overview

  • درک شبکه های خصمانه تولید (GAN) Understanding Generative Adversarial Networks (GANs)

  • آموزش GAN Training a GAN

  • درک عملکرد فعال سازی Leaky ReLU Understanding the Leaky ReLU Activation Function

  • بارگیری و کاوش در تصاویر رقمی دست نویس MNIST Loading and Exploring the MNIST Handwritten Digit Images

  • راه اندازی شبکه های عصبی مولد و تبعیض Setting up the Generator and Discriminator Neural Networks

  • آموزش تبعیض Training the Discriminator

  • آموزش تولید و تولید تصاویر جعلی Training the Generator and Generating Fake Images

  • پاک کردن منابع Cleaning up Resources

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش انتقال سبک با PyTorch
جزییات دوره
1h 49m
30
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(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.