第十五屆 優選

ai-and-data
生成式AI到底何方神聖?一窺生程式AI的真面目
golucky_sir

系列文章

DAY 11

[Day11]:GAN在訓練可能會遇到的問題…

前言 昨天帶各位實作了GAN的應用,實際帶各位操作一次不知道是否有加深各位對GAN的印象了。希望各位能藉由實作更理解GAN的原理以及訓練方式。不過如前幾天所說,...

DAY 12

[Day12]:DCGAN原理介紹

前言 昨天介紹了一些在生成對抗網路 (GAN)會常遇到的問題,以及可能的解決辦法,要提升GAN的訓練穩定性也有許多方法,例如使用WGAN等。那也因為本系列是圖像...

DAY 13

[Day13]:用CNN來建立DCGAN模型吧

前言 昨天介紹了DCGAN,這個GAN主要是使用卷積層來當作模型的主架構,今天會實際帶各位實作一次DCGAN,並且分析模型的訓練成果。因為資料處理的部分都寫過了...

DAY 14

[Day14]:WGAN原理介紹

[Day14]:WGAN原理介紹 前言 昨天介紹了DCGAN的實作,在DCGAN的實作中個人經驗是相當容易出現梯度消失等問題。在解決訓練不平衡與梯度消失等問題時...

DAY 15

[Day15]:想讓訓練更穩定?使用WGAN吧

前言 昨天介紹了WGAN的原理,雖然在昨天看到各種公式可能會被嚇到,其中其實也還有許多細節可以介紹。雖然數學公式繁雜,不過建立WGAN模型卻很簡單。接下來就來一...

DAY 16

[Day16]:BGAN原理介紹

前言 接下來登場的GAN模型同樣也是改變目標函數的Boundary-seeking Generative Adversarial Networks (BGAN)...

DAY 17

[Day17]:想提升生成的多樣性?使用BGAN吧

前言 昨天費盡了九牛二虎之力帶各位推導出BGAN的生成器損失函數,今天就要來實作BGAN了。放心,損失函數定一到了程式環節一樣簡單。 建立BGAN模型 WGAN...

DAY 18

[Day18]:CGAN原理介紹

前言 前幾天都是介紹單純雜訊輸入,然後生成圖片,這麼做的做法會使GAN生成的結果變得不可控,我們無法依據原本的GAN來生成指定的數字圖片。為了要解決這個問題,2...

DAY 19

[Day19]:想讓生成器乖乖聽話生成指定圖片?使用CGAN吧

前言 今天要來介紹CGAN的實作部分,CGAN與之前的GANs其最大差異就是可以控制生成內容,這邊先給各位看看在訓練完成後,指定CGAN生成全部都是3的圖片,可...

DAY 20

[Day20]:Pix2Pix 原理介紹

前言 昨天帶各位實作了CGAN,這是基於條件式的生成對抗網路。今天要來介紹的是在2016年底提出的Pix2Pix模型,他雖然名字裡面沒有GAN,但模型架構卻也包...