使用 GAN 和扩散模型生成深度学习图像
使用 WGAN、ProGAN 和扩散模型生成人脸。使用 SRGAN 进行图像超分辨率，使用 CycleGAN 进行掩码去除
讲师：Neuralearn Dot AI
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你会学到什么
- 了解变分自动编码器的工作原理
- 使用变分自动编码器生成图像
- 使用 Tensorflow 2 构建 DCGAN
- 在 Tensorflow 2 中使用 Wasserstein GAN 进行更稳定的训练
- 使用 ProGAN 生成高质量图像
- 使用 CycleGAN 构建掩码移除器
- 使用 SRGAN 的图像超分辨率
- Tensorflow 2 的高级用法
- 使用扩散模型生成图像
- 如何使用 Python 和 Tensorflow 从头开始编写生成式 AI 架构的代码
要求
- Python基础知识
- TensorFlow基础知识
- 访问互联网连接，因为我们将使用 Google Colab（免费版）
描述
图像生成已经取得了长足的进步，早在 2010 年代初期，生成随机64×64图像还是很新鲜的事情。今天，我们不仅可以随机生成高质量的1024×1024图像，还可以通过输入文本来描述我们希望获得的图像类型。
在本课程中，我们将带您踏上一段奇妙的旅程，您将在其中逐步掌握不同的概念。我们将使用Tensorflow 2编写各种生成对抗神经网络甚至扩散模型，同时观察最佳实践。
您将从事几个项目，例如：
- 使用变分自动编码器 (VAE)生成数字，
- 使用DCGAN生成人脸，
- 然后我们将通过使用WGAN和
- 最后，我们将学习如何使用ProGAN和扩散模型生成更高质量的图像。
- 从这里开始，我们将看到如何使用SrGAN和
- 然后还学习如何使用CycleGAN自动去除面罩。
如果你愿意在你的职业生涯中更进一步，这门课程是为你而设的，我们非常高兴能帮助你实现目标！
本课程由Neuralearn提供给您。就像Neuralearn的所有其他课程一样，我们非常重视反馈。您在论坛中的评论和问题将帮助我们改进这门课程。欢迎在论坛上提出尽可能多的问题。我们尽最大努力在最短的时间内回复。
享受！！！
本课程适合谁：
- 对深度学习感到好奇的初学者 Python 开发人员。
- 对使用 AI 和深度学习生成图像感兴趣的人
- 对生成对抗网络 (GAN)、其他更高级的 GAN 和扩散模型感兴趣的人
- 有兴趣从头开始构建 GAN 和扩散模型的从业者
- 任何想使用 GAN 掌握图像超分辨率的人
- 想要了解如何使用深度学习构建和训练最先进的图像生成模型的软件开发人员。
声明：口袋资源网（koudaizy.com）提供的所有课程、素材等资源全部来源于互联网，赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持，从本站下载资源，说明你已同意本条款。
