Bangun DCGAN
GAN konvolusional untuk pembangkitan gambar
Bangun DCGAN adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Tambahan dari DCGAN
DCGAN adalah GAN yang dibangun dari lapisan konvolusional. DCGAN mengganti lapisan padat dengan konvolusi, sehingga sangat baik untuk menghasilkan gambar yang realistis. 🖼️
Generator Memperbesar Gambar
Generator menggunakan konvolusi transposisi untuk memperbesar vektor laten kecil, langkah demi langkah, menjadi gambar berukuran penuh.
nn.ConvTranspose2d(100, 256, 4, 1, 0)Diskriminator Memperkecil Gambar
Diskriminator melakukan kebalikannya: konvolusi dengan stride memperkecil gambar menjadi satu skor nyata-atau-palsu.
nn.Conv2d(3, 64, 4, 2, 1)Batch Norm Menstabilkan
DCGAN menempatkan normalisasi batch di antara lapisan-lapisan pada kedua jaringan. Hal ini menjaga aktivasi tetap sehat dan membuat pelatihan jauh lebih stabil.
nn.BatchNorm2d(256)ReLU pada Generator
Generator menggunakan aktivasi ReLU pada lapisan tersembunyinya agar gradien tetap mengalir saat gambar dibangun.
nn.ReLU(True)LeakyReLU pada Diskriminator
Diskriminator lebih memilih LeakyReLU, yang membiarkan sedikit sinyal melewati nilai negatif dan mencegah neuron mati.
nn.LeakyReLU(0.2, inplace=True)Tanh pada Keluaran
Generator diakhiri dengan Tanh, yang memampatkan piksel ke rentang minus satu hingga satu agar sesuai dengan gambar pelatihan yang dinormalisasi.
nn.Tanh()Sigmoid untuk Penilaian
Diskriminator diakhiri dengan sigmoid, yang mengubah fitur akhirnya menjadi probabilitas antara nol dan satu.
nn.Sigmoid()Inisialisasi Bobot
DCGAN memulai bobot dari distribusi normal kecil yang berpusat di sekitar nol. Inisialisasi yang baik membantu kedua jaringan berlatih dengan lancar sejak langkah pertama.
nn.init.normal_(m.weight, 0.0, 0.02)Memilih Ukuran Laten
Dimensi laten, yang sering kali bernilai 100, menentukan jumlah angka acak yang menjadi benih setiap gambar. Laten yang lebih besar memberi generator lebih banyak ruang untuk menghasilkan variasi.
nz = 100Amati Sampel Selama Pelatihan
Simpan kisi gambar yang dihasilkan setiap beberapa epoch. Mengamati gambar menjadi semakin tajam adalah cara untuk memastikan bahwa DCGAN benar-benar belajar.
Pemeriksaan Singkat
Aktivasi apa yang digunakan pada bagian paling akhir generator?
Ringkasan: Membangun DCGAN
Anda telah merakit DCGAN: konvolusi transpos memperbesar gambar, konvolusi dengan stride menilainya, dan normalisasi batch menjaga semuanya tetap stabil. 🛠️
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Bangun DCGAN” gratis?
Ya — teks lengkap “Bangun DCGAN” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Bangun DCGAN”?
GAN konvolusional untuk pembangkitan gambar Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?
Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Bangun DCGAN” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?
Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Generator vs Discriminator: Permainannya
- Loss Adversarial
- Bangun DCGAN
- Keruntuhan Mode dan Trik Stabilisasi