Dyp læring har oppnådd imponerende resultater når det gjelder å identifisere mønstre i tekst, bilder og video. Men applikasjoner som kan lage realistiske bilder, naturlige setninger og avsnitt, eller oversettelser av høy kvalitet, har vist seg å være vanskelige å realisere. Generative Adversarial Networks, eller GANs, representerer en lovende løsning på disse utfordringene ved å kombinere to konkurrerende nevrale nettverk – ett som genererer innhold og ett som avviser lavkvalitetsprøver. Boken 'GANs in Action: Deep learning with Generative Adversarial Networks' gir deg en grundig innføring i hvordan du kan bygge og trene dine egne generative adversarial nettverk. I begynnelsen får du en introduksjon til generativ modellering og en forståelse av hvordan GANs fungerer, i tillegg til en oversikt over deres potensielle bruksområder. Deretter vil du begynne å bygge ditt eget enkle adversarielle system, der du utforsker fundamentet av GAN-arkitekturen: generator- og diskriminatornettverkene. Nøkkelfunksjoner: · Forståelse av GANs og deres muligheter · Praktiske kodeopplæringer for å bygge GAN-modeller · Avanserte konsepter og teknikker innen generativ modellering.
