登入
首頁
收藏
0
返回課程
藝術生成---對抗式生成網路GAN 與dall-e whichfaceisreal操作
AI人工智慧
AI簡介
加入課程請答有
LLM?
LLM簡介之一
LLM簡介之二
Anaconda Py3.13 裝不了 PyTorch CUDA?Ultralytics YOLO 完整避坑與 GPU 加速實測
分組
生物視覺&機器視覺
AI人工智慧 課程說明
AI人工智慧 生物視覺 機器視覺1
機器視覺 與haarcascades偵測人臉與眼睛
機器視覺ILSVRC競賽之後(923)
AI人工智慧生物視覺機器視覺
深度學習的史詩
電腦如何學會「看」?從生物神經元到 CNN 的 AI 演進史
自然語言處理
自然語言處理 Natural language Processing簡介
Natural language Processing、字詞向量與 TTS之一(930)
Natural language Processing、字詞向量與 TTS之二
展示詞嵌入Word Embeddings& TTS.ipynb
自然語言處理NLP之cos相似度實作,貓狗居然87.5分像etc
NLP 經典實作:king-man+woman=?
Clip簡介
CLIP與零樣本視覺
clip.ipynb
ex1
不用訓練就能辨識狗種?OpenAI CLIP 零樣本學習 Python 實測
藝術生成 & 對抗生成式網路GAN與其他......
藝術生成---對抗式生成網路GAN 與dall-e whichfaceisreal操作
對抗式生成式AI GAN與相關軟體操作(穿插Stable diffusion)
藝術生成 Stable Diffusion與Denoising Diffusion Model
AI機器學習與Stable Diffusion操作
stable_diffusion_3.5.ipynb
Colab上使用hugging face上的stable
免費版Colab上使用hugging face上的stable diffusion 3.5
神經網路
Keras實作神經網路模型之1 mnist手寫數字
AI機器學習Keras淺層神經網路辨識mnist手寫數字
Keras實作神經網路模型
神經網路模型之一 從感知器到神經網路
神經網路模型(Keras版).ipynb
神經網路模型(Pytorch version).ipynb
PyTorch深度學習解密手寫數字
ex2
Pytorch實作神經網路辨識mnist手寫數字
機器學習的幾個常用函數
ML常用的activation函數初探與pyplot繪圖
多神經網路模型之二與numpy計算softmax
Loss函數 cross entropy 與梯度下降
重點
討論
(3)
筆記
發表時間 : 2026-10-14 12:54
觀看次數 : 56
原始資料來自 :
https://www.youtube.com/embed/YmZRZtfWn6M?si=DFuzdxXgyk-VHuLw
附件
討論功能僅開放給課程成員,請先加入課程
最新的回應
...more
10-14
M11433002
:
GAN(生成對抗網路) 就像是一場「造假集團」與「警察」的貓捉老鼠遊戲: 生成器(造假者): 負責憑空創造假資料(如假照片、假聲音),一開始畫得很爛,但目標是想盡辦法「騙過警察」。 鑑別器(警察): 負責分辨拿到的資料到底是「真的」還是「假的」。 兩個 AI 互相競爭、互相學習:造假技術越來越厲害,警察的眼光也越來越刁鑽。最後,造假者就能做出幾可亂真的完美成品。
10-14
M11433005
:
GAN(Generative Adversarial Network,生成對抗網路) 是一種人工智慧模型,由兩個神經網路互相競爭、共同學習,進而產生新的資料,例如圖片。 GAN 主要包含兩個部分: 1. 生成器(Generator):負責產生假的資料,例如 AI 生成的人物圖片。 2. 判別器(Discriminator):負責判斷資料是真實的,還是由生成器產生的。 簡單來說: 生成器努力製作出以假亂真的圖片,判別器則努力辨別真假,兩者不斷對抗與學習,讓生成的結果越來越逼真。
安文
什麼叫做GAN?
10-14
1 樓
M11433005
GAN(Generative Adversarial Network,生成對抗網路) 是一種人工智慧模型,由兩個神經網路互相競爭、共同學習,進而產生新的資料,例如圖片。
GAN 主要包含兩個部分:
1. 生成器(Generator):負責產生假的資料,例如 AI 生成的人物圖片。
2. 判別器(Discriminator):負責判斷資料是真實的,還是由生成器產生的。
簡單來說: 生成器努力製作出以假亂真的圖片,判別器則努力辨別真假,兩者不斷對抗與學習,讓生成的結果越來越逼真。
10-14
2 樓
M11433002
GAN(生成對抗網路) 就像是一場「造假集團」與「警察」的貓捉老鼠遊戲:
生成器(造假者): 負責憑空創造假資料(如假照片、假聲音),一開始畫得很爛,但目標是想盡辦法「騙過警察」。
鑑別器(警察): 負責分辨拿到的資料到底是「真的」還是「假的」。
兩個 AI 互相競爭、互相學習:造假技術越來越厲害,警察的眼光也越來越刁鑽。最後,造假者就能做出幾可亂真的完美成品。
10-14
3 樓
D11333032
GAN(Generative Adversarial Network)中文叫做「生成對抗網路」,是一種人工智慧生成技術,主要用來生成圖片、人物臉孔、影片畫面,以及改善影像品質。
10-14
1 樓
d11333006
GAN 就是一種讓兩個 AI 互相對抗學習的技術,一個負責產生假的資料,一個負責判斷真假,兩邊一直互相訓練,最後讓生成的圖片或內容越來越像真的。
10-14
1 樓
筆記功能僅開放給課程成員,請先加入課程
Prev
藝術生成 & 對抗生成式網路GAN與其他......
Next
對抗式生成式AI GAN與相關軟體操作(穿插Stable diffusion)
GAN 主要包含兩個部分:
1. 生成器(Generator):負責產生假的資料,例如 AI 生成的人物圖片。
2. 判別器(Discriminator):負責判斷資料是真實的,還是由生成器產生的。
簡單來說: 生成器努力製作出以假亂真的圖片,判別器則努力辨別真假,兩者不斷對抗與學習,讓生成的結果越來越逼真。