Generated Adversarial Network
Pengantar Generative Adversarial Network (GAN)
Ikhtisar Bagian: Pada bagian ini, kita akan membahas tentang Generative Adversarial Network (GAN) dan konsep dasarnya.
Apa itu Generative Adversarial Network (GAN)?
- GAN adalah kelas model statistik yang memiliki makna bertolak belakang dengan model diskriminatif.
- Model generatif dapat menghasilkan data baru yang menyerupai data pelatihan, sedangkan model diskriminatif digunakan untuk membedakan antara data asli dan palsu.
- GAN merupakan inovasi terbaru dalam pembelajaran mesin dan dapat menghasilkan gambar-gambar realistis seperti wajah manusia.
Komponen GAN
- GAN terdiri dari dua komponen utama: generator dan discriminator.
- Generator bertugas untuk menghasilkan output yang menyerupai data pelatihan yang diberikan.
- Discriminator bertugas untuk membedakan antara data asli dan hasil yang dihasilkan oleh generator.
Proses Pelatihan GAN
- Generator mencoba membuat sampel palsu berdasarkan input yang diberikan.
- Discriminator membandingkan hasil generator dengan data asli untuk melatih jaringan.
- Siklus ini berlanjut hingga kedua jaringan mendapatkan bobot yang pas sehingga generator mampu menghasilkan gambar-gambar mirip dengan data asli.
Praktikum Selanjutnya
Pada praktikum selanjutnya, Anda akan mencoba membuat sebuah model gaun menggunakan mesin DJ.EXE.
Diskriminasi
Ikhtisar Bagian: Pada bagian ini, pembicara membahas tentang diskriminasi dalam konteks pelatihan model atau jaringan.
Diskriminasi pada Pelatihan Model atau Jaringan
- Diskriminasi terjadi saat nilai Los generator digunakan selama pelatihan atau training model atau jaringan yang digunakan sebagai generator.
- Nilai Los generator akan digunakan untuk mengklasifikasikan output sebagai obyek asli oleh diskriminator.
- Bobot jaringan saraf akan diubah agar generator dapat menghasilkan gambar yang sesuai dengan data contoh atau data asli yang diberikan kepada mereka.
Siklus Pelatihan Generator dan Diskriminator
Ikhtisar Bagian: Pada bagian ini, pembicara menjelaskan tentang siklus pelatihan antara generator dan diskriminator.
Siklus Pelatihan Generator dan Diskriminator
- Generator masuk ke dalam jaringan diskriminator dengan nilai Los yang telah ditentukan.
- Diskriminator menghasilkan output yang dipengaruhi oleh nilai Los tersebut.
- Siklus pelatihan berlanjut sampai kedua jaringan mencapai bobot yang pas sesuai sehingga generator mampu menghasilkan gambar yang sesuai dengan data contoh.