在本课程中，您将： - 评估 GANs 评估所面临的挑战并比较不同的生成模型 - 使用弗雷谢特起始距离 (FID) 方法评估 GANs 的保真度和多样性 - 识别 GANs 中的偏差来源和检测偏差的方法 - 学习并实施与最先进的 StyleGANs 相关的技术 DeepLearning.人工智能生成对抗网络 (GANs) 专业为使用 GANs 生成图像提供了令人兴奋的介绍，通过简单易懂的方法描绘了从基础概念到高级技术的路径。它还涉及社会影响，包括 ML 中的偏差和检测偏差的方法、隐私保护等。 建立全面的知识库，获得 GANs 的实践经验。使用 PyTorch 训练自己的模型，用它来创建图像，并评估各种高级 GAN。
构建更好的生成对抗网络 (GAN)
构建更好的生成对抗网络 (GAN)
本课程是 生成式对抗网络（GANs） 专项课程 的一部分
位教师：Sharon Zhou
访问权限由 Coursera Learning Team 提供
33,457 人已注册
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
1 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 生成式对抗网络（GANs） 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有3个模块
了解评估 GANs 所面临的挑战，了解不同 GAN 性能测量方法的优缺点，并使用嵌入法实施弗雷谢特起始距离 (FID) 方法来评估 GANs 的准确性！
涵盖的内容
10个视频8篇阅读材料1个编程作业1个非评分实验室
了解 GAN 与其他生成模型相比的缺点，发现这些模型的优缺点--此外，了解机器学习中可能产生偏差的许多地方、偏差的重要性以及在 GAN 中识别偏差的方法！
涵盖的内容
6个视频9篇阅读材料1个作业1个编程作业1个非评分实验室
了解 StyleGAN 如何改进以前的模型，并实施与 StyleGAN 相关的组件和技术，StyleGAN 是目前最先进、功能最强大的 GAN！
涵盖的内容
9个视频6篇阅读材料1个编程作业2个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
77.66%
- 4 stars
14.45%
- 3 stars
4.96%
- 2 stars
1.60%
- 1 star
1.31%
显示 3/685 个
SA
已于 Jul 18, 2021审阅
Week 2 could explore more into GANs variants, StyleGANs or VAEs rather than focusing only on Bias theory. Overall very amazing course. Week 2 can be improved, I think.
JM
已于 Apr 22, 2021审阅
Me gustaron mucho los temas en general, aunque me gustaría que en los videos hablen de las dimensiones de los tensores, a mí eso me ayudaría mucho a entender rápido
AB
已于 Mar 24, 2021审阅
Great material...but the stylegan code implementation requires more video material. Instead adding one more week for ProGan part before stylegan would be helpful for the learners.
从 数据科学 浏览更多内容
DeepLearning.AI
DeepLearning.AI
DeepLearning.AI
