DigitGenerator GAN

DigitGenerator-GAN

مقدمة

يحتوي هذا المستودع على تعليمات برمجية لإنشاء مشروع شبكة الخصومة التوليدية (GAN) المصمم لإنشاء أرقام واقعية مكتوبة بخط اليد، تم تدريبها على مجموعة بيانات MNIST. مجموعة بيانات MNIST عبارة عن مجموعة معروفة مكونة من 70000 صورة من الأرقام المكتوبة بخط اليد، والتي تُستخدم عادةً لتدريب الصور المختلفة أنظمة المعالجة. ومن خلال الاستفادة من قوة شبكات GAN، يهدف هذا المشروع إلى إنشاء أرقام مكتوبة بخط اليد عالية الجودة تشبه إلى حد كبير تلك الموجودة في مجموعة بيانات MNIST.

الميزات الرئيسية

• هندسة شبكة الخصومة التوليدية: تستخدم إطار عمل GAN الذي يشتمل على مولد وأداة تمييز، حيث يقوم المولد بإنشاء صور رقمية مزيفة ويقوم أداة التمييز بتقييم صحتها.
• مجموعة بيانات MNIST: تم التدريب على مجموعة بيانات MNIST للتأكد من أن الأرقام التي تم إنشاؤها تمثل مجموعة واسعة من أنماط الكتابة اليدوية.
• أرقام اصطناعية عالية الجودة: تنتج صورًا واقعية وعالية الجودة للأرقام المكتوبة بخط اليد والتي يمكن استخدامها في تطبيقات مختلفة، بما في ذلك زيادة البيانات وأبحاث التعرف على الأرقام والأغراض الفنية.
• التدريب والتقييم: يتضمن نصوصًا برمجية لتدريب GAN ومراقبة أدائها وتقييم جودة الصور التي يتم إنشاؤها.

أهداف

• إنشاء أرقام مكتوبة بخط اليد واقعية: تطوير نموذج قادر على إنتاج أرقام مكتوبة بخط اليد عالية الدقة والتي لا يمكن تمييزها عن الأرقام الحقيقية.
• تعزيز زيادة البيانات: توفير بيانات تركيبية إضافية لتدريب نماذج التعلم الآلي الأخرى، وتحسين قوتها ودقتها.
• استكشاف قدرات GAN: استكشاف إمكانات شبكات GAN في إنشاء صور عالية الجودة والمساهمة في التقدم في مجال النماذج التوليدية.

الاستخدام

تشغيل دفتر كولاب

لتشغيل دفتر Colab بكفاءة، يوصى باستخدام وحدة معالجة الرسومات. اتبع الخطوات التالية:

1. افتح دفتر الملاحظات في Google Colab.
2. انتقل إلى Runtime > Change runtime type .
3. ضمن Hardware accelerator ، حدد GPU ثم انقر فوق Save .
4. انقر فوق Connect في الزاوية اليمنى العليا وحدد Connect to hosted runtime .
5. قم بتنفيذ كل خلية في دفتر الملاحظات بالتسلسل.

التبعيات

• TensorFlow
• TensorFlow GAN
• مجموعات بيانات TensorFlow
• ماتبلوتليب
• NumPy

تدريب GAN

1. قم بتنفيذ خلايا الكمبيوتر المحمول لإعداد خط أنابيب الإدخال، وبناء شبكات المولدات والتمييز، وتدريب GAN.
2. مراقبة تقدم التدريب وتقييم الصور التي تم إنشاؤها.

ملحوظة

• يوفر هذا المستودع تطبيقًا مبسطًا لشبكة GAN للأغراض التعليمية.
• قد تكون هناك حاجة إلى تعديلات وتحسينات لتطبيقات العالم الحقيقي.

المساهمة

المساهمات هي موضع ترحيب! يرجى تفرع المستودع وإرسال طلبات السحب لأية تحسينات أو إصلاحات للأخطاء.

رخصة

هذا المشروع مرخص بموجب ترخيص MIT.