iT邦幫忙

鐵人檔案

2023 iThome 鐵人賽
回列表
AI & Data

生成式AI到底何方神聖?一窺生程式AI的真面目 系列

希望能藉由此文讓各位想入坑生成式AI的人可以了解其基礎知識,本系列文會著重介紹生成對抗網路 (Generative Adversarial Network, GAN),並藉由實際操作更了解GAN的原理以及分析訓練過程。在最後也會帶領各位實作當今較火紅的擴散模型。

鐵人鍊成 | 共 31 篇文章 | 25 人訂閱 訂閱系列文 RSS系列文
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,...

2023-09-14 ‧ 由 golucky_sir 分享
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...

2023-09-15 ‧ 由 golucky_sir 分享
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...

2023-09-16 ‧ 由 golucky_sir 分享
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...

2023-09-17 ‧ 由 golucky_sir 分享
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...

2023-09-18 ‧ 由 golucky_sir 分享
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)...

2023-09-19 ‧ 由 golucky_sir 分享
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...

2023-09-20 ‧ 由 golucky_sir 分享
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...

2023-09-21 ‧ 由 golucky_sir 分享
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...

2023-09-22 ‧ 由 golucky_sir 分享
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...

2023-09-23 ‧ 由 golucky_sir 分享