生成對抗網路

含有「生成對抗網路」共 6 篇內容
全部內容
發佈日期由新至舊
本文以烘焙蛋糕的過程來解釋生成對抗網路(GAN)的原理。生成器負責創造作品,如圖片、音樂或文字,而判別器則評估作品真實性與品質。兩者在不斷的對抗學習中進化,最終生成器能創造出超乎想像的真實內容,並具有廣泛應用,包括生成假照片、修復老照片、創作藝術作品及幫助產品設計等,展示了GAN技術的潛力與可能性。
Thumbnail
本篇文章將幫助讀者深入瞭解人工智慧(AI)的基本概念及其涉及的多項重要技術,包括機器學習、深度學習、類神經網絡等關鍵詞。透過對這十個關鍵詞的系統解析,讀者能夠掌握AI的基礎,進而展開對AI領域的深入學習。文章鼓勵讀者留言提問,以便獲得更直接的解釋,助力AI學習之旅。
Thumbnail
延續上一篇訓練GAM模型,這次我們讓神經網路更多層更複雜一點,來看訓練生成的圖片是否效果會更好。 [深度學習][Python]訓練MLP的GAN模型來生成圖片_訓練篇 資料集分割處理的部分在延續上篇文章,從第五點開始後修改即可,前面都一樣 訓練過程,比較圖 是不是CNN的效果比MLP還要好,
Thumbnail
本文主要介紹,如何利用GAN生成對抗網路來訓練生成圖片。 利用tensorflow,中的keras來建立生成器及鑑別器互相競爭訓練,最後利用訓練好的生成器來生成圖片。 GAN生成對抗網路的介紹 它由生成網路(Generator Network)和鑑別網路(Discriminator Netwo
Thumbnail
現AI時代我們常見的生成影像是如何製作出來的,或許你已經開始熟悉AI“假臉”的風格。但由于現在網路上大量流傳的多數是以DALL-E或是Stable Diffiusion+幾個特定的LoRA所生成的結果。以至於人們越來越有識別真假照片的能力。但或許你不知道的是,早在幾年前純粹用GAN生成技術所產出的人
Thumbnail
付費限定
人工智慧(Artificial Intelligence,下稱AI)技術的運用,已是日常生活中每天發生的事實,有時候是好玩的東西,可以把人「變臉」(Face Off),例如前陣子很紅的FaceApp,可以把照片中人物的臉,玩出「變男變女變變變」的趣味性;但有時候卻是侵犯個人資料、肖像權,甚至
Thumbnail