Состязательные сети. Проекты: постройте порождающие сети следующего поколения, используя библиотеки TensorFlow и Keras

Description

Содержание Об авторе О рецензенте Предисловие Глава 1. Введение в порождающие состязательные сети Что такое порождающие сети Что такое сеть генератора Что такое сеть дискриминатора Обучение сети GAN посредством состязательной игры Практические применения сетей GAN Детализация архитектуры сети GAN Архитектура генератора Архитектура дискриминатора Важные понятия, связанные с сетью GAN Алгоритмы оценки Варианты сетей GAN Глубокие порождающие состязательные сети свертки Сеть StackGAN Сеть CycleGAN Сеть 3D-GAN Сеть Age-cGAN Сеть pix2pix Преимущества сетей GAN Проблемы обучения сетей GAN Режим коллапса Исчезающие градиенты Внутренний ковариантный сдвиг Решение проблем стабильности при обучении сетей GAN Соответствие характеристик Мини-пакетная дискриминация Усреднение истории Одностороннее сглаживание маркировки Пакетная нормализация Нормализация образцов Резюме Глава 2. Сеть 3D-GAN – генерация форм 3D с использованием сетей GAN Введение в сети 3D-GAN Свертки 3D Архитектура сети 3D-GAN Целевая функция Обучение сетей 3D-GAN Создание проекта Подготовка данных Загрузка и извлечение набора данных Изучение набора данных Реализация сети 3D-GAN в Keras Сеть генератора Сеть дискриминатора Обучение сети 3D-GAN Обучение сетей Сохранение моделей Тестирование моделей Визуализация потерь Визуализация графов Оптимизация гиперпараметров Практическое применение сетей 3D-GAN Резюме Глава 3. Старение лица с использованием условной сети сGAN Введение в сети cGAN для старения лица Понимание сетей cGAN Архитектура сети Age-cGAN Этапы обучения сети Age-cGAN Создание проекта Подготовка данных Загрузка набора данных Извлечение набора данных Реализация сети Age-cGAN в Keras Сеть кодировщика Сеть генератора Сеть дискриминатора Обучение сетей cGAN Обучение сети cGAN Аппроксимация начального скрытого вектора Оптимизация скрытого вектора Визуализация потерь Визуализация графов Практические применения сетей Age-cGAN Резюме Глава 4. Создание анимационных персонажей с использованием сети DCGAN Введение в сети DCGAN Детали архитектуры сети DCGAN Создание проекта Загрузка и подготовка набора данных анимационных персонажей Загрузка набора данных Изучение набора данных Обрезка и изменение размера изображений в наборе данных Реализация сети DCGAN с использованием Keras Генератор Дискриминатор Обучение сети DCGAN Загрузка образцов Построение и компиляция сетей Обучение сети дискриминатора Обучение сети генератора Генерация изображений Сохранение модели Визуализация генерированных изображений Визуализация потерь Визуализация графов Настройка гиперпараметров Практические применения сети DCGAN Резюме Глава 5. Использование сетей SRGAN для создания реалистичных фотоизображений Введение в сети SRGAN Архитектура сети SRGAN Целевая функция обучения........................................................................................... 117 Создание проекта Загрузка набора данных CelebA Реализация сети SRGAN в Keras Сеть генератора Сеть дискриминатора Сеть VGG19 Состязательная сеть Обучение сети SRGAN Построение и компиляция сетей Обучение сети дискриминатора Обучение сети генератора Сохранение моделей Визуализация генерированных изображений Визуализация потерь Визуализация графов Практическое применение SRGAN Резюме Глава 6. Сети StackGAN – cинтез текста в реалистичные фотоизображения Введение в сети StackGAN Архитектура сети StackGAN Сеть кодировщика текста Блок расширения условий Этап I Этап II Создание проекта Подготовка данных Загрузка набора данных Извлечение набора данных Изучение набора данных Реализация сети StackGAN в Keras Этап I Этап II Обучение сети StackGAN Обучение сети StackGAN этапа I Обучение сети StackGAN этапа II Визуализация генерируемых изображений Визуализация потерь Визуализация графов Практические применения сети StackGAN Резюме Глава 7. Сети CycleGAN – превращение картин в фотографии Введение в сети CycleGAN Архитектура сети CycleGAN Целевая функция обучения Настройка проекта Загрузка набора данных Реализация сети CycleGAN с Keras Сеть генератора Сеть дискриминатора Обучение сети CycleGAN Загрузка набора данных Построение и компиляция сетей Начало обучения Сохранение модели Визуализация генерируемых изображений Визуализация потерь Визуализация графов Практическое применение сетей CycleGAN Резюме Дальнейшее чтение Глава 8. Условная сеть GAN – преобразование изображения в изображение с использованием условных состязательных сетей Введение в сети pix2pix Архитектура сети pix2pix Целевая функция обучения Создание проекта Подготовка данных Визуализация изображений Реализация сети pix2pix в Keras Сеть генератора Сеть дискриминатора Состязательная сеть Обучение сети pix2pix Сохранение моделей Визуализация генерированных изображений Визуализация потерь Визуализация графов Практические применения сети pix2pix Резюме Глава 9. Прогнозирование будущего сетей GAN Наш прогноз будущего сетей GAN Совершенствование существующих методовглубокого обучения Эволюция коммерческих приложений сетей GAN Совершенствование процесса обучения сетей GAN Потенциальные будущие применения сетей GAN Создание инфографики из текста Создание дизайна сайта Сжатие данных Открытие и разработка лекарственных препаратов Сети GAN для генерации текста Сети GAN для генерации музыки Изучение сетей GAN Резюме Предметный указатель