【TensorFlow・Python 3】GANによる画像生成AI自作入門
3.9 (256 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,840 students enrolled

【TensorFlow・Python 3】GANによる画像生成AI自作入門

「お父さんAIスケッチ」で使われている、TensorFlowとPython3で画像生成(GAN:Generative Adversarial Network。敵対的生成ネットワーク)に挑戦。TensorFlowによる開発手順も確認できます。
3.9 (256 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
2,840 students enrolled
Last updated 11/2019
Japanese
Current price: $55.99 Original price: $79.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 3.5 hours on-demand video
  • 6 articles
  • 3 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • GANの基本的な仕組みを理解できる
  • Python+TensorFlowで多層パーセプトロンによるGANを実装できるようになる
  • Python+TensorFlowで畳み込みニューラルネットワークによるGAN(DCGAN)を実装できるようになる
Course content
Expand all 53 lectures 03:36:06
+ Jupyter Notebookのセットアップ
1 lecture 03:27
Jupyter Notebookのインストール
03:27
+ GANにチャレンジ
21 lectures 01:36:40
matplotlibのインストール
01:31
パッケージのインポートとデータの読み込み
05:38
プレースホルダーを生成する関数の定義
05:04
ジェネレータ関数を定義しよう
07:07
ディスクリミネーター関数の定義
04:57
ハイパーパラメーターの初期化
02:03
計算グラフの定義
06:15
損失関数の定義
06:05
最適化手法の定義
05:29
トレーニングの実行(ミニバッチデータの確認)
05:56
トレーニングを実行するコードを書こう
09:59
トレーニングを実行してみよう
05:46
学習精度(ロス)を可視化してチェックしよう
02:59
ジェネレーターの生成した画像を表示してみよう!
06:06
学習途中の生成データを表示してみよう
05:02
ジェネレーターのモデルに新しい画像を生成させてみよう
06:51
練習課題: 画像を生成してみよう
00:09
セクションのノートブックとスライド
00:06
+ DCGANに挑戦
17 lectures 01:12:47
データセットのダウンロード
02:31
ノートブックを追加しよう
00:43
MATLABデータをロードしよう
05:14
入力データのスケールを揃える関数を定義しよう
02:35
データセットを扱うクラスを定義しよう
05:30
ミニバッチを生成する関数を定義しよう
03:07
入力データのプレースホルダーを生成する関数を定義しよう
02:01
ジェネレーターの関数を定義しよう
07:51
ディスクリミネーターを定義しよう
06:05
損失関数を定義しよう
06:42
最適化関数を定義しよう
04:32
モデルのクラス(テンプレート)を定義しよう
03:08
生成画像を表示する関数を定義しよう
04:48
トレーニングの関数を定義しよう
11:37
トレーニングを実行しよう
03:45
ロスをプロットしてみよう
02:32
DCGANセクションのノートブック
00:06
+ Pythonのクイックレビュー(スキップok)
3 lectures 12:08
Pythonの概要と特徴
04:41
Pythonの長所・短所
02:16
はじめてのPythonプログラムの実行
05:11
+ 旧コンテンツのアーカイブ
5 lectures 20:25
CUDA 9.0のインストール
03:51
cuDNN 7.0のダウンロード・インストール
02:30
TensorFlow 1.6 CPU版のインストール(Windows 10)
05:15
TensorFlow 1.6.0 GPU版のインストール
04:09
Requirements
  • TensorFlow体験コースの受講を終えていると理解しやすいです。(なくてもチャレンジは可能)
  • ニューラルネットワークと畳み込みニューラルネットワークの知識があると理解しやすいです(レクチャーでも解説します)
  • インターネット接続可能なPC(Windows, Mac, Linux)
  • PCの基本的な操作(フォルダの作成や、ファイルの保存など)
Description

【更新情報】

2018/8/23 DCGANのセクションのレクチャーをすべてアップロードしました。

2018/4/7 GANセクションのまとめ、Jupyter Notebook, スライドをアップロードしました。

【コース概要】

2018年現在、ますますAI活用への注目が集まっています。

中でも、イアン・グッドフェロー氏(現Google Researchチーム)が発案したGAN(敵対的生成ネットワーク)は最も注目を集めるアルゴリズムで、

  • テキストから画像を生成する

  • 超解像(低解像度画像から鮮明な高解像度画像を生成する)

  • 人間の映像を自動生成する

など、さまざまな応用が進められています。


日本では、ソフトバンク社が5万枚の画像で学習させた「おとうさんAIスケッチ」を公開しています。

線画からお父さんぽい写真を生成します。


このコースでは、TensorFlowを用いて、このGANによる画像生成AI開発にチャレンジします。

【コース概要】

1.イントロ

  • GANとは?

  • GANでどんなことができるか?

2.環境構築

  • Anacondaのインストール

  • TensorFlowのインストール

  • Jupyter Notebookのインストール

3.GANに挑戦

  • ニューラルネットワーク(多層パーセプトロン)によるGANにより、MNIST(手書き数字)を学習させ、コンピューターに数字を書かせます。

4.DCGANに挑戦

  • 畳み込みニューラルネットワークを使用したGAN、DCGANによる画像生成にチャレンジします。

  • matplotlibによるグラフ描画(FIG, AXESの使い分けなど)

  • pickleによるデータの保存・読込み

5.Pythonのクイックレビュー

  • Pythonがはじめてな方向けのチュートリアル(スキップ可能)


Who this course is for:
  • 画像自動生成AIの開発にチャレンジしたい方
  • TensorFlow体験コースを受講済みで、スタイル変換に使用したGANのモデルを自作してみたい方
  • GAN(敵対的生成ネットワーク)の理論を実習を通じて理解したい方