Générateur ou discriminateur : le jeu
Deux réseaux s’affrontent pour s’améliorer.
Générateur ou discriminateur : le jeu est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Deux réseaux, un seul jeu
Un GAN est constitué de deux réseaux neuronaux qui jouent à un jeu : l’un invente de fausses données et l’autre tente de les démasquer. Leur rivalité permet aux deux de progresser. 🎭
Découvrez le générateur
Le générateur part d’un bruit aléatoire et le transforme en quelque chose qui ressemble à de vraies données, par exemple un faux visage. Il ne voit jamais directement les vraies images.
Découvrez le discriminateur
Le discriminateur joue le rôle d’un juge. Il examine un échantillon et produit un nombre : la probabilité qu’il estime que cet échantillon est réel plutôt que faux.
Du bruit en entrée, une image en sortie
Vous fournissez au générateur un vecteur de nombres aléatoires appelé vecteur latent. Des vecteurs différents produisent des sorties différentes : le bruit devient donc la graine de la créativité.
z = torch.randn(1, 100)
fake = generator(z)Un faussaire et un détective
Imaginez un faussaire qui fabrique de faux billets et un détective qui les repère. Chacun pousse l’autre à devenir plus perspicace. Ce duel est au cœur d’un GAN.
Étiquette réel ou faux
Le discriminateur s’entraîne sur des étiquettes : les vraies images reçoivent 1 et les images générées reçoivent 0. Il apprend à distinguer les deux avec assurance.
real_label = 1.0
fake_label = 0.0L’objectif du générateur
Le générateur gagne lorsque le discriminateur considère ses faux exemples comme réels. Son objectif est donc de tromper le juge, et non de copier exactement une image donnée.
Adversarial signifie opposé
Leurs objectifs sont opposés, ce qui explique le terme adversarial. Le discriminateur veut avoir raison ; le générateur veut qu’il se trompe.
Progresser ensemble
À mesure que le discriminateur devient plus exigeant, le générateur doit créer de meilleurs faux exemples pour continuer à le tromper. Cette boucle de rétroaction améliore les deux réseaux au fil du temps.
Deux optimiseurs
Puisque les deux joueurs ont des objectifs distincts, chaque réseau possède son propre optimiseur et se met à jour à son tour pendant l’entraînement.
opt_g = torch.optim.Adam(G.parameters())
opt_d = torch.optim.Adam(D.parameters())L’objectif : être indiscernable
L’entraînement se termine idéalement lorsque le discriminateur ne peut plus que deviner, avec une probabilité proche de 50 %. À ce stade, les faux exemples sont pratiquement indiscernables des vraies données.
Vérification rapide
Assurons-nous que les rôles sont bien clairs.
Récapitulatif : le jeu du GAN
Vous avez découvert les deux joueurs : un générateur qui fabrique des données à partir de bruit et un discriminateur qui les évalue. Leur rivalité pousse les deux à progresser. 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Générateur ou discriminateur : le jeu » est-elle gratuite ?
Oui — le texte complet de « Générateur ou discriminateur : le jeu » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Générateur ou discriminateur : le jeu » ?
Deux réseaux s’affrontent pour s’améliorer. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Générateur ou discriminateur : le jeu » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Générateur ou discriminateur : le jeu
- La perte antagoniste
- Construire un DCGAN
- Effondrement des modes et astuces de stabilisation