GANs mit PyTorch selbst programmieren Ein verständlicher Einstieg in Generative Adversarial Networks
-
- Taschenbuch ausgewählt
- eBook
-
Sprache:Deutsch
30,90 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
17.09.2020
Abbildungen
komplett in Farbe
Verlag
O'ReillySeitenzahl
216
Maße (L/B/H)
24,1/16,6/1,5 cm
Gewicht
408 g
Farbe
Weiß / Kaffee
Auflage
1. Auflage
Übersetzt von
Frank Langenau
Sprache
Deutsch
ISBN
978-3-96009-147-9
- Schritt-für-Schritt-Anleitung zum Erstellen eigener GANs mit PyTorch, regt zum Ausprobieren an
- GANs (Generative Adversarial Networks) gehören zu den spannendsten neuen Algorithmen im Machine Learning
- Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und gut nachvollziehbar
GANs sind »die coolste Idee im Deep Learning in den letzten 20 Jahren« – sagt Yann LeCun, einer der weltweit führenden Forscher auf dem Gebiet neuronaler Netze, über Generative Adversarial Networks. Bei dieser noch neuen KI-Technik treten zwei neuronale Netze gegeneinander an mit dem Ziel, realistisch wirkende Fotos, Videos oder Texte neu zu generieren. Die Netze trainieren sich gegenseitig: Auf Basis realer Daten erzeugt der Generator künstliche Inhalte, der Diskriminator weist Daten mit schlechter Qualität zurück.
Mit diesem Buch können Sie selbst ganz praktisch ausprobieren, wie GANs funktionieren. Wie in seinem Bestseller Neuronale Netze selbst programmieren, auf den dieses Buch aufbaut, erläutert Tariq Rashid jede Technik Schritt für Schritt mit vielen anschaulichen Abbildungen. Sie erfahren, wie Sie mit dem populären Framework PyTorch Ihre eigenen GANs erstellen und trainieren:
- Sie lernen die Grundlagen von PyTorch und programmieren damit Ihr erstes neuronales Netz auf Google Colab
- Sie starten dann mit einem einfachen GAN, um einen typischen Workflow einzurichten, und üben erste Techniken anhand der MNIST-Datenbank mit handgeschriebenen Zahlen
- Mit diesem Wissen programmieren Sie ein GAN, das realistische menschliche Gesichter erzeugen kann
- Sie finden heraus, wo das GAN versagt, schaffen Abhilfe und verbessern die Leistung und Stabilität Ihres Modells
- Abschließend erkunden Sie auch anspruchsvollere Themen wie Convolutional und Conditional GANs
Tariq Rashids besondere Fähigkeit, komplexe Ideen verständlich zu erklären, macht diese schwierige Materie für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice