Deep Learning Academy · Lekcja

Zbudować DCGAN

Poznać konwolucyjny GAN do generowania obrazów

Zbudować DCGAN to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

What DCGAN Adds

A DCGAN is a GAN built from convolutional layers. It swaps dense layers for convolutions, which makes it great at generating realistic images. 🖼️

Generator Grows the Image

The generator uses transposed convolutions to upsample a tiny latent vector step by step into a full-size image.

nn.ConvTranspose2d(100, 256, 4, 1, 0)

Discriminator Shrinks the Image

The discriminator does the reverse: strided convolutions shrink the image down to a single real-or-fake score.

nn.Conv2d(3, 64, 4, 2, 1)

Batch Norm Stabilizes

DCGAN puts batch normalization between layers in both networks. It keeps activations healthy and makes training far more stable.

nn.BatchNorm2d(256)

ReLU in the Generator

The generator uses ReLU activations on its hidden layers to keep gradients flowing as the image is built up.

nn.ReLU(True)

LeakyReLU in the Discriminator

The discriminator prefers LeakyReLU, which lets a small signal through for negative values and avoids dead neurons.

nn.LeakyReLU(0.2, inplace=True)

Tanh on the Output

The generator ends with Tanh, squeezing pixels into the range minus one to one to match normalized training images.

nn.Tanh()

Sigmoid for the Verdict

The discriminator finishes with a sigmoid, turning its final feature into a probability between zero and one.

nn.Sigmoid()

Weight Initialization

DCGAN starts weights from a small normal distribution centered near zero. Good init helps both networks train smoothly from the first step.

nn.init.normal_(m.weight, 0.0, 0.02)

Pick the Latent Size

The latent dimension, often 100, sets how many random numbers seed each image. Larger latents give the generator more room to vary.

nz = 100

Watch Samples as You Train

Save a grid of generated images every few epochs. Watching them get sharper is how you confirm a DCGAN is actually learning.

Quick Check

Which activation belongs at the very end of the generator?

Recap: Building a DCGAN

You assembled a DCGAN: transposed convolutions grow images, strided convolutions judge them, and batch norm keeps it all stable. 🛠️

Często zadawane pytania

Czy lekcja „Zbudować DCGAN” jest bezpłatna?

Tak — pełny tekst „Zbudować DCGAN” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Zbudować DCGAN”?

Poznać konwolucyjny GAN do generowania obrazów Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?

Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Zbudować DCGAN”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?

Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do Deep Learning Academy