وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

Generative Adversarial Networks (GANs): Complete Guide

سرفصل های دوره

Deep Learning and Computer Vision to implement projects using one of the most revolutionary technologies in the world!


1. Introduction
  • 1. Course content
  • 2. Introduction to GANs
  • 3. How GANs work
  • 4. Course materials.html

  • 2. DCGAN and WGAN
  • 1.1 Source code - Google Colab.html
  • 1. DCGAN - intuition
  • 2. MNIST dataset
  • 3. Building the generator
  • 4. Building the discriminator
  • 5. Loss (error) calculation
  • 6. Training
  • 7. Visualizing the results
  • 8. HOMEWORK and solution.html
  • 9.1 Source code - Google Colab.html
  • 9. WGAN - intuition 1
  • 10. WGAN - intuition 2
  • 11. WGAN-GP - intuition
  • 12. Preparing the environment
  • 13. Wassertein loss
  • 14. Gradient penalty
  • 15. Training 1
  • 16. Training 2 and visualization
  • 17. HOMEWORK and solution.html

  • 3. cGAN - Pix2Pix and CycleGAN
  • 1. cGAN - intuition
  • 2.1 Source code - Google Colab.html
  • 2. Pix2Pix - intuition
  • 3. Map dataset
  • 4. Preprocessing the images 1
  • 5. Preprocessing the images 2
  • 6. Loading the data
  • 7. Building the generator 1
  • 8. Building the generator 2
  • 9. Building the generator 3
  • 10. Building the discriminator 1
  • 11. Building the discriminator 2
  • 12. Generating the images
  • 13. Training 1
  • 14. Training 2 and results
  • 15.1 Source code - Google Colab.html
  • 15. Pretrained Pix2Pix with PyTorch
  • 16. Facades dataset
  • 17. Visualizing the results
  • 18. Drawing to photo 1
  • 19. Drawing to photo 2
  • 20. Night to day
  • 21. HOMEWORK and solution.html

  • 4. Additional content 1 Artificial neural networks
  • 1. Biological fundamentals
  • 2. Single layer perceptron
  • 3. Multilayer perceptron sum and activation functions
  • 4. Multilayer perceptron error calculation
  • 5. Gradient descent
  • 6. Delta parameter
  • 7. Updating weights with backpropagation
  • 8. Bias, error, stochastic gradient descent, and more parameters

  • 5. Additional content 2 Convolution neural networks
  • 1. Introduction to convolutional neural networks
  • 2. Convolutional operator
  • 3. Pooling
  • 4. Flattening
  • 5. Dense neural network

  • 6. Final remarks
  • 1. Final remarks
  • 139,000 تومان
    بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
    خرید دانلودی فوری

    در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

    ایمیل شما:
    تولید کننده:
    شناسه: 13489
    حجم: 4236 مگابایت
    مدت زمان: 595 دقیقه
    تاریخ انتشار: 20 خرداد 1402
    طراحی سایت و خدمات سئو

    139,000 تومان
    افزودن به سبد خرید