Продолжая серию сообщений в блоге о написании общего кода DL для продвинутых структур глубокого обучения, на этот раз я сосредоточусь в основном на GAN Вассерштейна и на том, как мы можем попытаться их хорошо обучить. Это будет короче и лаконичнее и в основном попытается показать, как обучать более сложные модели GAN, не переходя в режим отказа. Я настоятельно рекомендую сначала просмотреть мою публикацию в блоге о написании кода GAN , прежде чем писать код для GAN на основе энергии или..

В декабре Synced сообщила о генераторе гиперреалистичных лиц , разработанном американским чип-гигантом NVIDIA. Модель на основе GAN работает настолько хорошо, что большинство людей не могут отличить созданные ею лица от реальных фотографий. На этой неделе NVIDIA объявила об открытии исходного кода отличного инструмента, который она назвала StyleGAN . Набор данных Flickr-Faces-HQ (FFHQ) , используемый для обучения в статье StyleGAN, содержит 70 000 высококачественных изображений..

Код этого проекта можно найти по адресу: https://github.com/evanhu1/pytorch-CelebA-faCeGAN GAN (генерирующие состязательные сети) представляют собой подмножество моделей обучения без учителя, которые используют две сети наряду с состязательным обучением для вывода «новых» данных, которые напоминают входные данные. Более конкретно, GAN обычно включают «генеративную модель G, которая фиксирует распределение данных, и дискриминативную модель D, которая оценивает вероятность того, что..