(中央社訊息服務20191104 17:47:53)在進行監督式深度學習(supervised deep learning)的模型訓練時,資料工程師往往必須準備大量人工辨識好的標籤(labeling)資料才能用於訓練神經網路的辨識模型。GAN的設計理念是訓練兩個相互競爭的神經網路:偽資料產生器(Generator)及資料辨識器(Discriminator):偽資料產生器學習產生很多逼近真實的資料,企圖欺騙資料辨識器;而資料辨識器不斷學習增強自己真實資料的辨識能力以便對抗偽資料產生器的欺騙,就這樣偽資料產生器可產生出許多以假亂真的資料,這些資料即可彌補我們訓練時真實資料的不足,大幅減少資料工程師準備訓練資料的負擔;而且,資料辨識器也可同時完成對等的訓練。
「人工智慧生成對抗網路(GAN)」課程細說生成對抗網路的設計理念及應用,結合深度學習技術並使用TensorFlow設計,以實例說明其原理及應用方法,使學員能夠快速上手生成對抗網路的應用。
相關資訊請參閱課程網頁: http://www.iiiedu.org.tw/GAN (資策會廣告)
訊息來源:財團法人資訊工業策進會