Deep Learning with PyTorch : Generative Adversarial Network

от партнера
Coursera Project Network
В этом Проект с консультациями вы:

Create Discriminator and Generator Network

Create a training loop to train GAN model

Clock2 hours
IntermediateУчащийся среднего уровня
CloudЗагрузка не требуется
VideoВидео на разделенном экране
Comment DotsАнглийский
LaptopТолько для ПК

In this two hour project-based course, you will implement Deep Convolutional Generative Adversarial Network using PyTorch to generate handwritten digits. You will create a generator that will learn to generate images that look real and a discriminator that will learn to tell real images apart from fakes. This hands-on-project will provide you the detail information on how to implement such network and train to generate handwritten digit images. In order to be successful in this project, you will need to have a theoretical understanding on convolutional neural network and optimization algorithm like Adam or gradient descent. This project will focus more on the practical aspect of DCGAN and less on theoretical aspect. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.

Навыки, которые вы получите

  • Convolutional Neural Network
  • Python Programming
  • pytorch
  • Genrative Adversarial Network

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Setup Google Runtime

  2. Configurations

  3. Load MNIST Handwritten Dataset

  4. Load Dataset into Batches

  5. Create Discriminator Network

  6. Create Generator Network

  7. Create Loss Function and Load Optimizers

  8. Training GAN

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.