Generative AI สำหรับคนลาว
สอนคอมพิวเตอร์ให้วาดรูป เขียน แต่งเพลง และจินตนาการ: VAE, GAN, Diffusion, Transformer จนถึง DALL·E และ Stable Diffusion 14 บท พร้อมโค้ด PyTorch ที่รันได้บนคอมทั่วไป
- 14
- บทเรียน
- 13
- โค้ดตัวอย่าง
- 3
- ภาค
- กลาง–สูง
- ระดับ
เกี่ยวกับซีรีส์นี้: เนื้อหาสรุปและอธิบายใหม่ตามลำดับบทของหนังสือ Generative Deep Learning (2nd edition) ของ David Foster (O'Reilly, 2023) คำอธิบายและโค้ดทั้งหมดเขียนใหม่ด้วย PyTorch ไม่ได้คัดลอกจากหนังสือ ก่อนรันโค้ดให้ติดตั้ง: pip install numpy torch scikit-learn gymnasium
ภาค 1 · บทนำ
ภาค 2 · 6 เทคนิคหลัก
Variational Autoencoder (VAE)
บีบภาพเป็นจุดใน latent space แล้ววาดภาพใหม่จากจุดสุ่ม
อ่านบทนี้ บทที่ 04 · 6 เทคนิคหลักGenerative Adversarial Networks (GAN)
นักปลอมแปลง ปะทะ นักสืบ: สอง network แข่งกันจนเก่ง
อ่านบทนี้ บทที่ 05 · 6 เทคนิคหลักAutoregressive Models: LSTM และ PixelCNN
สร้างข้อความหรือภาพทีละหนึ่งตัว
อ่านบทนี้ บทที่ 06 · 6 เทคนิคหลักNormalizing Flows (RealNVP)
ฟังก์ชันที่ย้อนกลับได้: เปลี่ยน noise เป็นข้อมูล และย้อนกลับได้จริง
อ่านบทนี้ บทที่ 07 · 6 เทคนิคหลักEnergy-Based Models
ให้คะแนน "พลังงาน" ต่ำกับของจริง แล้วเดินลงเนินเพื่อสร้างของใหม่
อ่านบทนี้ บทที่ 08 · 6 เทคนิคหลักDiffusion Models
เพิ่ม noise ทีละน้อย แล้วเรียนลบมันออก — หัวใจของ AI วาดภาพในปัจจุบัน
อ่านบทนี้ภาค 3 · การนำไปใช้
Transformers และ GPT
Attention: ให้แต่ละคำเลือกเองว่าจะสนใจคำไหน
อ่านบทนี้ บทที่ 10 · การนำไปใช้Advanced GANs: StyleGAN และ VQ-GAN
จาก ProGAN ถึง VQ-GAN: เส้นทางสู่ภาพคมชัดระดับ HD
อ่านบทนี้ บทที่ 11 · การนำไปใช้แต่งเพลงด้วย AI
โน้ตเพลงก็คือ token: ทายโน้ตถัดไปเหมือนทายคำถัดไป
อ่านบทนี้ บทที่ 12 · การนำไปใช้World Models
ให้ agent ฝัน: เรียนโลกเป็น model แล้วฝึกในความฝัน
อ่านบทนี้ บทที่ 13 · การนำไปใช้Multimodal: DALL·E 2, Imagen, Stable Diffusion
พิมพ์ข้อความ ได้ภาพ: เชื่อมภาษากับภาพเข้าด้วยกัน
อ่านบทนี้ บทที่ 14 · การนำไปใช้สรุป: อนาคตของ Generative AI
ทบทวน 6 ตระกูลและทิศทางต่อไป
อ่านบทนี้