Generate Synthetic Images with DCGANs in Keras

4.4
47件の評価
12件のレビュー
提供:
Coursera Project Network
このガイド付きプロジェクトでは、次のことを行います。

Understand Deep Convolutional Generative Adversarial Networks (DCGANs and GANs)

Design and train DCGANs using the Keras API in Python

Clock1.5 hours
Advanced上級
Cloudダウンロード不要
Video分割画面ビデオ
Comment Dots英語
Laptopデスクトップのみ

In this hands-on project, you will learn about Generative Adversarial Networks (GANs) and you will build and train a Deep Convolutional GAN (DCGAN) with Keras to generate images of fashionable clothes. We will be using the Keras Sequential API with Tensorflow 2 as the backend. In our GAN setup, we want to be able to sample from a complex, high-dimensional training distribution of the Fashion MNIST images. However, there is no direct way to sample from this distribution. The solution is to sample from a simpler distribution, such as Gaussian noise. We want the model to use the power of neural networks to learn a transformation from the simple distribution directly to the training distribution that we care about. The GAN consists of two adversarial players: a discriminator and a generator. We’re going to train the two players jointly in a minimax game theoretic formulation. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, and Keras pre-installed. Notes: - You will be able to access the cloud desktop 5 times. However, you will be able to access instructions videos as many times as you want. - 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.

あなたが開発するスキル

Deep LearningMachine LearningTensorflowComputer Visionkeras

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Project Overview and Import Libraries

  2. Load and Preprocess the Data

  3. Create Batches of Training Data

  4. Build the Generator Network for DCGAN

  5. Build the Discriminator Network for DCGAN

  6. Compile the Deep Convolutional Generative Adversarial Network (DCGAN)

  7. Define the Training Procedure

  8. Train DCGAN

  9. Generate Synthetic Images with DCGAN

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

レビュー

GENERATE SYNTHETIC IMAGES WITH DCGANS IN KERAS からの人気レビュー
すべてのレビューを見る

よくある質問

よくある質問

  • ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。

  • ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。

  • ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。

  • ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。

  • ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する

  • ガイド付きプロジェクトには学費援助が利用できません。

  • ガイド付きプロジェクトでは監査を使用できません。

  • ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。

  • はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。

  • 分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。