GANs mit PyTorch selbst programmieren. Tariq Rashid

       4Grundlagen von CUDA

       NumPy vs. Python

       NVIDIA CUDA

       CUDA in Python verwenden

       Lernziele

       Teil IIGenerative Adversarial Networks erstellen

       5Das GAN-Konzept

       Bilder generieren

       Gegnerisches Training

       Ein GAN trainieren

       GANs sind schwer zu trainieren

       Lernziele

       6Einfache 1010-Muster

       Echte Datenquelle

       Den Diskriminator erstellen

       Den Diskriminator testen

       Den Generator erstellen

       Die Generatorausgabe überprüfen

       Das GAN trainieren

       Lernziele

       7Handgeschriebene Ziffern

       Die Datensatzklasse

       Der MNIST-Diskriminator

       Den Diskriminator testen

       MNIST-Generator

       Die Generatorausgabe testen

       Das GAN trainieren

       Mode Collapse

       Das GAN-Training verbessern

       Mit Startwerten experimentieren

       Lernziele

       8Menschliche Gesichter

       Farbbilder

       Der CelebA-Datensatz

       Hierarchisches Datenformat

       Die Daten abrufen

       Die Daten inspizieren

       Die Datensatzklasse

       Der Diskriminator

       Den Diskriminator testen

       GPU-Beschleunigung

       Der Generator

       Die Generatorausgabe überprüfen

       Das GAN trainieren

       Lernziele

       Teil IIIKomplexere GANs

       9Convolutional GANs

       Speicherbedarf

       Lokalisierte Bildmerkmale

       Faltungsfilter

       Kerngewichte lernen

       Merkmalshierarchie

       MNIST-CNN

       CelebA-CNN

       Eigene Experimente

       Lernziele

       10Konditionierte GANs

       cGAN-Architektur

       Diskriminator