Generative_Deep_Learning_2nd_Edition

? Dépôt de code pour <Apprendre en créant une IA générative, 2e édition>

Ce référentiel contient le code de « Generative AI 2nd edition to learn while making » publié par Hanbit Media. (Centre du livre Kyobo, Yes24, Aladdin, Hanbit Media)

Si vous achetez un livre, assurez-vous de vérifier la page d'erreur. Les notebooks de ce référentiel ont été testés sur TensorFlow 2.12.0 et 2.14.0.

La version GitHub de la première version est ici.

indice

PARTIE 1 : Introduction à l'apprentissage profond génératif

• Chapitre 1 : Modélisation Sungseong
• Chapitre 2 : Apprentissage profond
  • Perceptron multicouche
  • convolution
  • réseau neuronal convolutif

PARTIE 2 : Six méthodes de modélisation générative

• Chapitre 3 : Auto-encodeurs variationnels
  • encodeur automatique
  • Auto-encodeur variationnel - Mode MNIST
  • Encodeur automatique de variantes - CelebA
• Chapitre 4 : Réseaux adverses génératifs
  • DCGAN
  • WGAN-GP
  • CGAN
• Chapitre 5 : Modèles autorégressifs
  • LSTM
  • PixelCNN
  • PixelCNN - Distribution mixte
• Chapitre 6 : Normalisation du modèle de flux
  • RéelNVP
• Chapitre 7 : Modèles basés sur l'énergie
  • EBM
• Chapitre 8 : Modèle de diffusion
  • modèle de diffusion

PARTIE 3 : Applications de la modélisation générative

• Chapitre 9 : Transformateurs
  • Google Tag
• Chapitre 10 : GAN avancés
• Chapitre 11 : Créer de la musique
  • transformateur
  • MuseGAN
• Chapitre 12 : Modèle mondial
• Chapitre 13 : Modèles multimodaux
• Chapitre 14 : Conclusion

Le bloc-notes de chaque chapitre comprend un lien pour l'exécuter dans Google Colab.