GAN基础原理——GAN专题代码复现

本课程简要介绍GAN的原理和实现,并以GAN生成手写体数字为例,进行代码讲解。(课时:26 分钟)

计算机视觉 GAN的生成 对抗训练 GAN的训练

讲师:   中科视拓

课程资料

课程ppt、作业、数据集、代码资料:GAN的诞生

课程背景

本系列课程——GAN专题论文研读系列课程 的代码复现,GAN专题论文研读课程涉及>30篇经典论文;每个经典模型均会有代码复现与分析讲解;覆盖范围广泛,包括:

  • 原理介绍&代码实训!
  • 理论基础&实际应用!
  • 计算机视觉&文本处理!
  • 机器学习顶会&CV顶会!
  • 2014的提出之初 → 2018的当下最新!

代码讲解由助教讲师从数据准备,基础代码讲解,和实验结果分析来入手;作业设计形式多样,从论文理解,关键公式推导,代码实现,Benchmark结果复现等多个维度巩固论文学习成果。从GAN的诞生之初讲起,全方位覆盖,介绍每个类别的代表性论文,复现经典模型,跟大家一起逐步梳理清楚GAN的发展脉络!

长久以来,人们都希望机器能够充满创造力,不仅能完成复杂的机械劳动,还能完成一些创造性的工作,比如画画、写诗、创作歌词等。这些一直是人工智能长久以来的梦想,随着自动编码器和变分编码器的提出,这一梦想慢慢变成了现实。2014年,Ian Goodfellow 提出了生成对抗网络(Generative Adversarial Networks,GANs)这一概念,推进了整个无监督学习的发展进程。本课程简要介绍GAN的原理和实现,并以GAN生成手写体数字为例,进行代码讲解。

适用人群

本课程适用于对深度学习及其在计算机视觉领域的应用等内容感兴趣的高校学生或者工程技术人员。

课程详情

本课程的主要内容是:

  • GAN的介绍
    • GAN的模型组成
    • 网络结构
    • 训练优化过程
  • GAN的实现
  • 模块实现细节
  • 分析实验结果
  • 模型训练技巧

课程目的

  1. 帮助大家清晰地梳理GAN诞生的核心思想和优化理论
  2. 学会简单GAN模型的代码实现

参考论文

1. [GAN,NIPS] Goodfellow, I.,Pouget-Abadie,J.,Mirza,M.,Xu,B.,Warde-Farley,D.,Ozair,S.,…&Bengio,Y.. Generative adversarial nets. In Advances in neural information processing systems(NIPS 2014)