PyTorch生成模型全解析|從生成式對抗網路到擴散模型

課程資訊 課程大綱 開課單位 常見問答
Loading...
線上課程

PyTorch生成模型全解析|從生成式對抗網路到擴散模型

8469次瀏覽
NT$2,880 $3,200
優惠現領
折 100 元
【獨家】滿千折百_到6/9
緯育TibaMe 課程滿 1000 元
折 500 元
【獨家】三千折500_到6/9
緯育TibaMe 課程滿 3000 元
折 250 元
【獨家】兩千折250_到6/9
緯育TibaMe 課程滿 2000 元
課程資訊
本頁面課程內容及活動資訊概由廠商提供,部分內容非屬104服務範疇,會員應遵守之規範悉依 104課程中心會員規約 所載。
上課時間 無限期觀看課程查看更多
上課方式 於開課單位網站兌換後觀看課程
課程內容
課程大綱
展開全部
1 課程介紹與說明
01
課程前導I生成模型現況以及最新趨勢
02
學習路徑I適性化的學習建議
03
實作範例連結I課程講義下載
2 生成式對抗網路
01
GAN 起源與簡介
02
影像生成與影像轉換的量化指標
03
基礎生成式對抗網路實作
04
CGAN 實作
05
DCGAN 實作
06
結論與觀察
07
單元測驗
3 成對、非成對、單模態與多模態影像轉換
01
單模態成對影像轉換:Pix2pix
02
Pix2pix 實作一
03
Pix2pix 實作二
04
多模態成對影像轉換:BicycleGAN
05
單模態非成對影像轉換:CycleGAN
06
CycleGAN 實作
07
多模態非成對影像轉換:Augmented CycleGAN
08
結論與觀察
09
單元測驗
4 多領域影像轉換
01
StarGAN
02
StarGANv2
03
StarGAN 實作
04
結論與觀察
05
單元測驗
5 結構一致與物件保存影像轉換
01
何謂結構一致與物件保存影像轉換?
02
基於語義分割之單模態結構一致與物件保存影像轉換:AugGAN
03
基於語義分割之多模態結構一致與物件保存影像轉換:Multimodal AugGAN
04
不需語義分割之單模態結構一致與物件保存影像轉換:CyEDA
05
CyEDA 實作
06
結論與觀察
07
單元測驗
6 基於擴散模型之影像生成
01
從生成式對抗網路(GAN)到擴散模型(Diffusion Model)
02
去噪擴散機率模型(DDPM)
03
去噪擴散隱式模型(DDIM)
04
擴散模型之分類器引導(Classifier guidance)
05
擴散模型之無分類器引導(Classifier-free guidance)
06
基準(Baseline)模型實作:DCGAN
07
無條件去噪擴散機率模型(Unconditional DDPM)實作
08
無條件去噪擴散隱式模型(Unconditional DDIM)實作
09
條件去噪擴散機率模型(Conditional DDPM)實作
10
條件去噪隱式機率模型(Conditional DDIM)實作
11
結論與觀察
12
單元測驗
7 基於擴散模型之影像轉換與影像編輯
01
從基於生成式對抗網路(GAN)到擴散模型(Diffusion Model)之影像轉換
02
成對影像轉換:Palette 與潛在擴散模型(Latent Diffusion Model)
03
基於潛在擴散模型的影像轉換與編輯:Prompt-to-Prompt
04
基於潛在擴散模型與指令的影像轉換與編輯:Instruct-Pix2Pix
05
Instruct-Pix2Pix 實作
06
結論與觀察
07
單元測驗
8 Stable Diffusion 及其微調
01
何謂 Stable Diffusion?
02
Stable Diffusion 微調:Controlnet
03
Stable Diffusion 微調:Dreambooth
04
Stable Diffusion 微調:LORA
05
Stable Diffusion 微調:Textual Invesion
06
Stable Diffusion 實作1:Controlnet
07
Stable Diffusion 實作2:Dreambooth
08
Stable Diffusion 實作3:LORA
09
Stable Diffusion 實作4:Textual Inversion
10
結論與觀察
11
單元測驗
你可以學到


掌握生成模型關鍵原理

林哲聰 PyTorch生成模型全解析|從生成式對抗網路到擴散模型

本課程將從生成模型的原理出發,一路介紹如何應用市面上的 AI 生成網站,讓你能夠輕鬆產生心中所想的影像,無論是對生成模型初學者還是專業人士,都將受益匪淺,一窺 AI 生成的奧秘!


一次洞悉 從生成式對抗網路到擴散模型訓練

這門課程將帶你通過8個單元、10小時的密集學習,深入了解生成式對抗網路(GAN)和擴散模型之間的差異,讓你學會 影像轉換(Image-translation)、影像生成(image generation)及文字轉影像(text-to-image)等多種應用技術,本課程除了解析最新的技術論文外,還會教授你如何運用 Stable Diffusion 的各種變型(如:Controlnet、 Dreambooth、LORA、 Textual Inversion)來產生你"心目中"想要的那種"圖"。

林哲聰 PyTorch生成模型全解析|從生成式對抗網路到擴散模型

適合對象
具備程式設計能力,但尚未涉足 AI 開發領域的程式設計師 渴望掌握生成模型及提升深度學習模型訓練效果的學習者 對 Stable Diffusion 原理及透過適當 text prompt 和 image prompt 產生影像有興趣者 想學習如何微調 Stable Diffusion 生成特定人物或物品影像者 渴望成為 AI 影像生成領域專業工程師的者(如Prompt Engineer) 想在專案中運用深度學習技術的專案管理者 數學或統計相關科系畢業,想增加自身技能的社會新鮮者

無論你是程式設計師、專案管理者,或者是數學或統計相關科系的新鮮人,都將在此課程中獲得所需的知識和技能,迎接 AI 世界的挑戰!!

課程講師
林哲聰
現任瑞典Chalmers University of Technology博士後研究員經歷|▻ 工研院機械所副研究員/研究員/資深研究員▻ 馬來西亞偉特科技公司(ViTrox)研發顧問▻ 馬來西亞10 EPOCH科技公司研發顧問▻ 加州大學聖塔芭芭拉分校資工系訪問研究員▻ 工研院產業學院講師▻ 清華大學自強基金會講師專長|電腦視覺、機器學習、深度學習及其在駕駛輔助系統以及自駕車之各種應用獲獎經驗|▻ 2020 中華民國資訊學會碩博士最佳論文獎-博士論文佳作▻ 2020 中華民國影像處理與圖形識別學會第十三屆博碩士論文獎-博士論文佳作▻ 2020 AI智慧應用新世代人才培育計畫-人才解題實證(倒車攝影機影像識別-障礙物與逼近偵測): 佳作▻ 2019 IEEE ICIP Three Minute Thesis Competition (3MT®): Finalist▻ 2018 第八屆兩岸清華研究生學術論壇 清華大學代表▻ 2017 CVGIP 行人偵測競賽 亞軍▻ 2017 MOST 生成式對抗網路競賽 佳作▻ 2016 日本立命館大學英文演講比賽 清華大學代表▻ 2013 伽利略創新大賽 瑞士區冠軍▻ 2011 伽利略創新大賽 特別獎(GNSS Living Lab)得主▻ 2010 伽利略創新大賽 台灣區季軍
展開全部
開課單位
緯育TibaMe
緯育TibaMe由全球最大資通訊集團之一的緯創資通集團於2015年正式成立,我們專注於人才培訓與平台服務,發展多元的授課模式,並結合緯育開發的雲端智能化學習系統,有效培育新世代數位化人才。在行動與雲端時代,用科技加值人才培育,持續發展創新與有效的數位教育學習服務。
最新動態 看所有動態

Power Automate、Zapier、Make、n8n、tldraw​ 怎麼挑選適合你的自動化工具

想提升工作效率,你該考慮導入 #自動化工具! 🚀 但何謂自動化工具? 可以在工作中協助到哪些面向? 我們又該如何挑選適合自己的工具?🤔 📖 文章重點摘要 📍 自動化工具就是把重複性工作流程,交給機器執行 📍 不需要程式背景,也不一定要工程師才能使用 📍 自動化能有效: ➊ 提升效率:減少重複性工作,讓人力專注在高價值任務,提升整體工作成效 ➋ 降低錯誤:避免人為疏失,提高數據與操作準確性 ➌ 加速應用:AI + RPA 工具逐年普及,低程式碼(Low-Code)、無程式碼(No-Code)工具降低門檻,企業導入更快速 ➍ 應對挑戰:面對人力短缺與數位轉型壓力,懂得運用自動化工具的工作者將更具職場競爭力 完整 5 大自動化工具介紹與比較 & 針對不同工作/職務挑選建議 現在就前往閱讀完整文章 👉 https://bit.ly/4364RGw #powerautomate #n8n #zapier #tldraw

從想轉職到成功轉職-學長姊現身說最真實

🎤 學長姊分享 想跨域轉職一路上的 ✅ 心態調適 ✅ 準備過程 ✅ 成功經驗 ✅ 職場真實樣貌 聽我們說不如聽過來人──轉職成功的學長姊現身說最真實~ 這裡報名線上與學長聊聊>> https://bit.ly/4cGHC9f ▍誰適合參加 🔹即將從就業培訓班結訓的你 🔹剛結訓想繼續物色優質職缺的你 🔹想跨域域轉職猶豫中的你 ▍從財金系畢業轉職為後端工程師的學長要跟你分享 🔥 如何結合非本科系的背景創造自己的優勢 🔥 專題作品準備心法 🔥 履歷撰寫技巧與面試準備方向 🔥 進入職場的實際狀況與持續進修該學什麼 🔥 後端工程師未來職涯發展的可能性 ▍直播資訊 時間:4/23 (三) 晚上 8 點至 9 點 型式:線上直播 (直播連結將於報名後2~3個工作天email提供) 報名連結: https://bit.ly/4cGHC9f
常見問答
如何購買課程並開始上課
於欲購買 1. 線上課程之頁面,點擊「立即購買」,成功使用信用卡完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」,後續兌換學習有兩種形式:(A) 若購買學習廠商提供課程,購買後「提供課程兌換序號、兌換連結、兌換碼使用說明」,引導您至購買課程之出版廠商兌換並上課、(B)若購買是104學習系統,購買完可以從郵件、訂單明細、課程詳細頁直接進到站內線上學習。 2. 實體課程之頁面,點擊「立即購買」,成功完成付款並確立訂單成立後,本平台將透過購買填寫之信箱,以郵件方式通知「訂單成立」即可完成報名,後續開課單位會有專員與您聯繫後續事宜。
購買與報名課程付款方式?
僅提供信用卡付款。
有支援信用卡分期嗎?
平台有提供分期服務:結帳金額滿$4,000可享三期零利率,滿$12,000可享六期零利率;分期服務支援銀行公司為:中國信託、台新銀行、玉山銀行,實際分期金額依各發卡行規定
已完成付款,但用錯折扣碼怎麼辦?
請申請退款並重新下單,已使用之折扣碼,本平台將不進行退回,敬請見諒。
線上刷卡後訂單狀態顯示「待付款」
代表您的結帳流程尚未完成,請儘速完成結帳程序,以免課程相關優惠權益失效。
刷卡失敗的原因
可能為以下原因: 1.授權失敗(例:信用卡發卡銀行系統忙碌、網路塞車、刷卡等待時間過久造成系統確認失敗等問題),建議稍待一段時間再重新刷卡。 2.輸入信用卡卡號等相關資料不正確(例:輸入資料不正確、卡號過期、尚未開卡等問題),建議重新確認輸入資訊。
如何選擇紙本發票
為響應政府政策,不主動提供紙本發票,委由金財通系統寄發電子發票開立通知信至學員購買課程時填寫之Email,發票自動存入會員載具,若未收到請告知。
企業請款之憑證,如何申請
若需要進行企業請款,請於購買時輸入統一編號、發票抬頭,本平台將以郵件寄送電子發票方式,至您填寫之信箱。
多久會收到發票
發票將於付款成功,3個工作天內開立,敬請稍候。
如何退款
請參考下方退款須知與流程 1.若您於本平台成功完成付款購買課程,有退款需求,於外部學習廠商兌換之線上課程自購買日起7天內,且未進行課程兌換,可申請全額退費;於104課程中心站內學習課程若購買日起7天內後「未進到學習頁」,可申請全額退費;實體課程須於開課日前 1 日之非假日上班時段前與104學習精靈提出申請,始得要求全額退費。 2.若需申請退款,請使用信件主旨:「課程中心退款申請」,並於信件內容寫明購買人姓名、訂單編號、欲退款之課程名稱,郵件至nabiservice@104.com.tw,本平台將於5個工作天內盡快為您處理。 3.確認提出退款申請時間為課程購買日起7天內,且未進行課程兌換,本平台將與欲申請退款課程之出版廠商,提出會員資料與學習紀錄查詢,確認您課程的觀看紀錄,並同步確認出版廠商訂定之退款事項,是否全數符合。申請退款的同時,即代表您同意本平台與退款課程之出版廠商,提出查詢會員資料與學習紀錄。 4.若您單一訂單中購買兩堂(含)以上課程,不需要整張訂單退款(只退其中幾堂課),退款金額為欲退款課程售價加總後,扣除此張訂單所使用之折扣碼(若折扣碼為整張訂單之折數折扣,則退款金額為欲退款課程售價加總後乘以折數折扣),若計算後退款金額低於(含)0元,本平台將不執行退款。5.上述退款方式僅限於本平台成功完成付款購買之課程,若付款與訂單成立之任一程序不在本平台完成,退款方式需依照課程出版之廠商所訂定之規則提出申請,並由課程出版廠商協助處理,本平台不介入。 6.若您的發票沒有填寫統一編號,並需要辦理退款時,由本平台代為處理發票相關作業 (如作廢電子發票或開立電子發票折讓單),以加速退款作業時程。 7.若您原訂單信用卡分期,其申請退費時,須整筆訂單全額退費,無法部分或擇一課程退費。
款項何時退回
課程退費採原信用卡退刷方式,退費所需之工作天依各金融機構實際作業時間為準。