GAN'lere Giriş

PyTorch ile Görüntüler için Deep Learning

Michal Oleszak

Machine Learning Engineer

Üretici Çekişmeli Ağlar

Üretilmiş kedi görseli.

https://thesecatsdonotexist.com
Üretici Çekişmeli Ağlar (GAN'ler)
Eğitim verisine dayalı yeni örnekler üretir

Pokemon Sprites Veri Seti

Pokemon Sprites veri setinden örnek görseller

PokeAPI kaynağından Pokemon Sprites Veri Seti
Pokemon video oyunundan hayvan benzeri yaratıkların ~1300 spritesi
Amaç: Yeni Pokemonlar üretmek!

GAN mimarisi

GAN iş akışı diyagramı.

GAN mimarisi

GAN iş akışı diyagramı.

GAN mimarisi

GAN iş akışı diyagramı.

GAN mimarisi

GAN iş akışı diyagramı.

GAN öğrenme süreci

GAN iş akışı diyagramı.

Üreteç: gerçekçi görünen görseller üretmeyi öğrenir
Ayrıştırıcı: sahte ile gerçeği ayırmayı öğrenir
Çatışan hedefler her ağı kendi görevinde iyileştirir
Sonunda, üreteç gerçekçi görseller üretmelidir

Temel Üreteç

class Generator(nn.Module):
    def __init__(self, in_dim, out_dim):
        super(Generator, self).__init__()

        self.generator = nn.Sequential(
            gen_block(in_dim, 256),
            gen_block(256, 512),
            gen_block(512, 1024),
            nn.Linear(1024, out_dim),
            nn.Sigmoid(),
        )


    def forward(self, x):
        return self.generator(x)

Generator sınıfını tanımlayın

Üreteç blokları dizisi, bir doğrusal katman ve sigmoid aktivasyon

def gen_block(in_dim, out_dim):
  return nn.Sequential(
      nn.Linear(in_dim, out_dim),
      nn.BatchNorm1d(out_dim),
      nn.ReLU(inplace=True)
  )

Girişi tüm katmanlardan geçirin
Girdi: in_dim boyutunda gürültü
Çıktı: out_dim boyutunda görsel

Temel Ayrıştırıcı

class Discriminator(nn.Module):
    def __init__(self, im_dim):
        super(Discriminator, self).__init__()

        self.disc = nn.Sequential(
            disc_block(im_dim, 1024),
            disc_block(1024, 512),
            disc_block(512, 256),
            nn.Linear(256, 1),
        )


    def forward(self, x):
        return self.disc(x)

Discriminator sınıfını tanımlayın

Ayrıştırıcı blokları dizisi ve bir doğrusal katman

def disc_block(in_dim, out_dim):
  return nn.Sequential(
      nn.Linear(in_dim, out_dim),
      nn.LeakyReLU(0.2)
  )

Girişi tüm katmanlardan geçirin
Girdi: in_dim boyutunda görsel
Çıktı: 1 boyutunda sınıflandırma

Haydi pratik yapalım!

PyTorch ile Görüntüler için Deep Learning