GANs mit PyTorch selbst programmieren
Ein verständlicher Einstieg in Generative Adversarial Networks
OReilly (dpunkt) |
|
Autor:in |
|
202 Seiten, Softcover |
|
Erschienen |
09/2020 |
978-3-96009-147-9 9783960091479 |
€
€
Best.-Nr.:
Bei einem GAN, einem Generative Adversarial Network, treten zwei künstliche neuronale Netzwerke gegeneinander an. Während das eine, der Generator, versucht realistisch wirkende Fotos, Videos oder Texte neu zu generieren, bewertet das andere, der Diskriminator, das Ergebnis anhand reeller Daten. So trainieren sich die Netze gegenseitig. Yann LeCun, einer der weltweit führenden Forscher auf dem Gebiet neuronaler Netze, nennt dies „die coolste Idee im Deep Learning in den letzten 20 Jahren“.
Mit diesem Buch können Sie selbst ganz praktisch ausprobieren, wie GANs funktionieren. Wie in seinem Bestseller Neuronale Netze selbst programmieren, auf den dieses Buch aufbaut, erläutert Tariq Rashid jede Technik Schritt für Schritt mit vielen anschaulichen Abbildungen. Sie erfahren, wie Sie mit dem populären Framework PyTorch Ihre eigenen GANs erstellen und trainieren:
Tariq Rashids besondere Fähigkeit, komplexe Ideen verständlich zu erklären, macht diese schwierige Materie für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Mit diesem Buch können Sie selbst ganz praktisch ausprobieren, wie GANs funktionieren. Wie in seinem Bestseller Neuronale Netze selbst programmieren, auf den dieses Buch aufbaut, erläutert Tariq Rashid jede Technik Schritt für Schritt mit vielen anschaulichen Abbildungen. Sie erfahren, wie Sie mit dem populären Framework PyTorch Ihre eigenen GANs erstellen und trainieren:
- Sie lernen die Grundlagen von PyTorch und programmieren damit Ihr erstes neuronales Netz auf Google Colab
- Sie starten dann mit einem einfachen GAN, um einen typischen Workflow einzurichten und üben erste Techniken anhand der MNIST-Datenbank mit handgeschriebenen Zahlen
- Mit diesem Wissen programmieren Sie ein GAN, das realistische menschliche Gesichter erzeugen kann
- Sie finden heraus, wo das GAN versagt, schaffen Abhilfe und verbessern die Leistung und Stabilität Ihres Modells
- Abschließend erkunden Sie auch anspruchsvollere Themen wie Convolutional und Conditional GANs
Tariq Rashids besondere Fähigkeit, komplexe Ideen verständlich zu erklären, macht diese schwierige Materie für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Aus dem Inhalt
Teil 1 – PyTorch und neuronale Netze
- Grundlagen von PyTorch
- Erstes neuronales Netz mit PyTorch
- Verfeinerungen
- Grundlagen von CUDA
Teil 2 – Generative Adversarial Networks erstellen
- Das GAN-Konzept
- Einfache 1010-Muster
- Handgeschriebene Ziffern
- Menschliche Gesichter
Teil 3 – Komplexere GANs
- Convolutional GANs
- Konditionierte GANs
Anhänge
- Ideale Verlustwerte
- GANs lernen Wahrscheinlichkeit
- Beispiele für Faltungen
- Instabiles Lernen
In dieser Leseprobe erstellen Sie ein richtiges neuronales Netz mit PyTorch. Dieses Netz ist in der Lage, eine einfache, aber schon vertraute Aufgabe zu lösen. Nachdem Sie dieses noch recht einfache Netz gut trainiert haben, ist es in der Lage, handgeschriebene Ziffern zu erkennen.
Wer hat's geschrieben?
GANs mit PyTorch selbst programmieren
Ein verständlicher Einstieg in Generative Adversarial Networks
OReilly (dpunkt) |
|
Autor:in |
|
202 Seiten, Softcover |
|
Erschienen |
09/2020 |
978-3-96009-147-9 9783960091479 |
€
€
Best.-Nr.: