【Hands Onで学ぶ】 PyTorchによるGANs入門

DCGANからSelf-Attention GANまで様々なGANsを理解しよう

Ratings: 4.41 / 5.00

【このコースは誰に向けたものか？】

本コースは、【Hands Onで学ぶ】PyTorchによる深層学習入門を受講して、PyTorchで深層学習を実装できるようになった方を対象に、

深層学習の１つの分野であるGANs(Generative Adversarial Networks)について学んでいく講座です。

GANsとは生成器と識別器という敵対する２つの深層学習のモデルを相互に訓練していくことで、本物そっくりな画像などを生成することができる技術で、深層学習の分野の中でもホットなトピックな為、毎年、多くの論文が投稿されています。

そこで、本講座ではGANsって最近よく聞くから気になっているけど、実際どういうものなのか知りたいという方に向けて、

GANsの理論とPyTorchによる実装の両面からGANsについて理解することができます。

【何が学べる？】

GANsの理論と実装の両面を基礎からしっかり押さえていきます。

GANsの理論の基礎を理解するためにはある程度の数学が必要です。(例えば、統計学や線形代数など)

この為、必要に応じて逐次数学的な解説を加えながら、GANsの理論の基礎を学んでいきます。

また実際にコードを実装する面ではPyTorchという深層学習のフレームワークを使って、GANのモデルをスクラッチから実装を行います。

プログラムを書くことで、実際に手を動かしながらGANsについて理解を深めていきます。

GANsはプログラミングの量が多いのですが、本講座では講師が０から受講生と一緒にコードを書いていくため、

ステップバイステップでGANsの実装が可能です。

GANsの訓練は比較的時間がかかるので、今回、GPUを使用することができる

Google Colabを用いていきます、訓練データや訓練のパラメーターなどはGoogleドライブと連携し、

ドライブの中から読みだすもしくはデータを書きだすため、Google ColabとGoogleドライブとの連携についても学びます。

以下に本講座を受講することで学べることを列挙しました。

・GANsの理解に必要な数学(統計学 / 線形代数)を理解できる

・GANsの理論の基本的な内容を理解できる(アーキテクチャ/訓練プロセス/損失関数など)

・GANsのモデル構築、損失関数、訓練プロセスの一連の流れをPyTorchを用いて実装し、理解できる。

・GANsの代表的なモデル(DCGAN / Wasserstein GAN / Cycle GAN / Self-Attention GANなど)を理解、実装できる。

・Google Colab上でGoogleドライブと連携させながら、GANsを学習させることができる。

GANsの理解に必要な数学(統計学 / 線形代数)を理解できる
GANsの理論の基本的な内容を理解できる(アーキテクチャ/訓練プロセス/損失関数など)
GANsのモデル構築、損失関数、訓練プロセスの一連の流れをPyTorchを用いて実装し、理解できる。
GANsの代表的なモデル(DCGAN / Wasserstein GAN / Cycle GAN / Self-Attention GANなど)を理解、実装できる。
Google Colab上でGoogleドライブと連携させながら、GANsを学習させることができる。