Generative AI ສຳລັບຄົນ Laos
ສອນຄອມພິວເຕີໃຫ້ແຕ້ມຮູບ, ຂຽນ, ແຕ່ງເພງ ແລະ ຈິນຕະນາການ: VAE, GAN, Diffusion, Transformer ຈົນຮອດ DALL·E ແລະ Stable Diffusion. 14 ບົດ ພ້ອມໂຄດ PyTorch ທີ່ລັນໄດ້ໃນຄອມທຳມະດາ.
- 14
- ບົດຮຽນ
- 13
- ໂຄດຕົວຢ່າງ
- 3
- ພາກ
- ກາງ–ສູງ
- ລະດັບ
ກ່ຽວກັບຊີຣີສ໌ນີ້: ເນື້ອຫາສະຫຼຸບ ແລະ ອະທິບາຍໃໝ່ ໂດຍຍຶດຕາມລຳດັບບົດຂອງປຶ້ມ Generative Deep Learning (2nd edition) ຂອງ David Foster (O'Reilly, 2023). ຄຳອະທິບາຍ ແລະ ໂຄດທັງໝົດຂຽນຂຶ້ນໃໝ່ດ້ວຍ PyTorch ບໍ່ໄດ້ຄັດລອກຈາກປຶ້ມ. ກ່ອນລັນໂຄດ ໃຫ້ຕິດຕັ້ງ: pip install numpy torch scikit-learn gymnasium
ພາກ 1 · ແນະນຳ
ພາກ 2 · 6 ເທັກນິກຫຼັກ
Variational Autoencoder (VAE)
ບີບຮູບເປັນຈຸດໃນ latent space ແລ້ວແຕ້ມຮູບໃໝ່ຈາກຈຸດສຸ່ມ.
ອ່ານບົດນີ້ ບົດ 04 · 6 ເທັກນິກຫຼັກGenerative Adversarial Networks (GAN)
ນັກປອມແປງ ປະທະ ນັກສືບ: ສອງ network ແຂ່ງກັນຈົນເກັ່ງ.
ອ່ານບົດນີ້ ບົດ 05 · 6 ເທັກນິກຫຼັກAutoregressive Models: LSTM ແລະ PixelCNN
ສ້າງຂໍ້ຄວາມ ຫຼື ຮູບ ເທື່ອລະໜຶ່ງໂຕ.
ອ່ານບົດນີ້ ບົດ 06 · 6 ເທັກນິກຫຼັກNormalizing Flows (RealNVP)
ຟັງຊັນທີ່ກັບດ້ານໄດ້: ປ່ຽນ noise ເປັນຂໍ້ມູນ ແລະ ກັບຄືນໄດ້ແທ້.
ອ່ານບົດນີ້ ບົດ 07 · 6 ເທັກນິກຫຼັກEnergy-Based Models
ໃຫ້ຄະແນນ "ພະລັງງານ" ຕ່ຳກັບຂອງຈິງ ແລ້ວເດີນລົງເນີນເພື່ອສ້າງຂອງໃໝ່.
ອ່ານບົດນີ້ ບົດ 08 · 6 ເທັກນິກຫຼັກDiffusion Models
ເພີ່ມ noise ທີລະນ້ອຍ ແລ້ວຮຽນລຶບມັນອອກ — ຫົວໃຈຂອງ AI ແຕ້ມຮູບທຸກມື້ນີ້.
ອ່ານບົດນີ້ພາກ 3 · ການນຳໃຊ້
Transformers ແລະ GPT
Attention: ໃຫ້ແຕ່ລະຄຳເລືອກເອງວ່າຈະສົນໃຈຄຳໃດ.
ອ່ານບົດນີ້ ບົດ 10 · ການນຳໃຊ້Advanced GANs: StyleGAN ແລະ VQ-GAN
ຈາກ ProGAN ເຖິງ VQ-GAN: ເສັ້ນທາງສູ່ຮູບຄົມຊັດລະດັບ HD.
ອ່ານບົດນີ້ ບົດ 11 · ການນຳໃຊ້ແຕ່ງເພງດ້ວຍ AI
ໂນດເພງກໍແມ່ນ token: ທາຍໂນດຖັດໄປຄືກັບທາຍຄຳຖັດໄປ.
ອ່ານບົດນີ້ ບົດ 12 · ການນຳໃຊ້World Models
ໃຫ້ agent ຝັນ: ຮຽນໂລກເປັນ model ແລ້ວຝຶກໃນຄວາມຝັນ.
ອ່ານບົດນີ້ ບົດ 13 · ການນຳໃຊ້Multimodal: DALL·E 2, Imagen, Stable Diffusion
ພິມຂໍ້ຄວາມ ໄດ້ຮູບ: ເຊື່ອມພາສາ ແລະ ພາບເຂົ້າກັນ.
ອ່ານບົດນີ້ ບົດ 14 · ການນຳໃຊ້ສະຫຼຸບ: ອະນາຄົດຂອງ Generative AI
ທົບທວນ 6 ຄອບຄົວ ແລະ ທິດທາງຕໍ່ໄປ.
ອ່ານບົດນີ້