반응형 Wasserstein GAN2 [생성 신경망] WGAN 모델 구현 Wasserstein GAN (WGAN) 실습 지난 글에서는 WGAN에 대한 간단한 이론을 살펴보았습니다. 그럼 이론을 살펴보았으니 이제는 코드를 보면서 구현 실습을 하도록 하겠습니다. 코드는 글 맨 하단에서 확인하실 수 있는 책과 블로그 그리고 구현된 코드를 참고하였습니다. 실습을 원하시는 분들은 해당 사이트 및 제가 실습한 자료가 있는 깃허브를 참고하시길 바랍니다. Development Environment : COLAB (T4 GPU) Language : Python Framework : Tensorflow Model : WGAN (based Wasserstein loss & Deep Convolutional Neural Network) 참고 : https://www.aladin.co.kr/shop.. 2024. 4. 20. [생성 신경망] 와서스테인 GAN (Wasserstein GAN, WGAN) - 이론 WGAN (Wasserstein GAN) 이번 시간에는 DCGAN에 이어서 WGAN (Wasserstein GAN)에 대해서 알아보도록 하겠습니다. WGAN은 기존 GAN의 몇 가지 문제점을 개선하기 위해 설계된 신경망 모델입니다. 이 모델은 Wasserstein 거리를 사용하여 두 분포 간의 거리를 측정합니다. 이 새로운 접근 방식은 GAN의 학습 과정을 더 안정적으로 만들고 더 높은 품질의 결과를 생성할 수 있게 하였습니다. 논문 : https://arxiv.org/pdf/1701.07875.pdf 그럼, 우선적으로 와서스테인 GAN에 대해서 살펴보기 전에, 기존의 GAN에서 발생하는 문제점들을 살펴보도록 하겠습니다. GAN은 생성 모델링 분야에서 커다란 혁신이지만 훈련이 어렵기로 잘 알려진 모델입니.. 2024. 4. 19. 이전 1 다음 반응형
