Image Compression and Generation using Variational Autoencoders in Python
How to preprocess and prepare data for vision tasks using PyTorch
What a variational autoencoder is and how to train one
How to compress, reconstruct, and generate new images using a generative model
In this 1-hour long project, you will be introduced to the Variational Autoencoder. We will discuss some basic theory behind this model, and move on to creating a machine learning project based on this architecture. Our data comprises 60.000 characters from a dataset of fonts. We will train a variational autoencoder that will be capable of compressing this character font data from 2500 dimensions down to 32 dimensions. This same model will be able to then reconstruct its original input with high fidelity. The true advantage of the variational autoencoder is its ability to create new outputs that come from distributions that closely follow its training data: we can output characters in brand new fonts. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
개발할 기술
- Image Compression
- Machine Learning
- Vision
단계별 학습
작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.
An introduction to the variational autoencoder and our project
Dataset visualization and preprocessing
Dataset split into training and validation sets
Use data loaders to handle memory overload
Create VAE architecture
Create training loop for VAE
Results of our model and short introduction to other potential projects using a VAE
안내형 프로젝트 진행 방식
작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.
분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.
검토
IMAGE COMPRESSION AND GENERATION USING VARIATIONAL AUTOENCODERS IN PYTHON의 최상위 리뷰
It is highly recommended to those who has a basic knowledge in ML and like to start using VAEs in pytorch framework. :-)
It was really helpful. I am new to PyTorch but it gave a good level of understanding overall. thank you
Good project. Add some more clarity to it , especially to the mathematical background.
자주 묻는 질문
자주 묻는 질문
안내 프로젝트를 구매하면 어떤 혜택이 있습니까?
데스크톱과 모바일에서 안내 프로젝트를 이용할 수 있습니까?
안내 프로젝트 강사는 누구입니까?
작업 완료 후 안내 프로젝트에서 해당 작업을 다운로드할 수 있습니까?
환불 규정은 어떻게 되나요?
재정 지원을 받을 수 있나요?
안내 프로젝트를 청강하고 동영상 일부를 무료로 볼 수 있습니까?
이 안내 프로젝트를 수행하려면 경험이 얼마나 필요합니까?
소프트웨어를 별도로 설치하지 않아도 바로 웹 브라우저를 통해 이 안내 프로젝트를 완료할 수 있습니까?
안내 프로젝트를 통해 어떤 학습 경험을 할 수 있습니까?
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
Coursera Footer
