https://github.com/ahmetfurkandemir/generative-adversarial-networks-gan

Generative Adversarial Networks-GAN
https://github.com/ahmetfurkandemir/generative-adversarial-networks-gan

Last synced: 6 months ago
JSON representation

Generative Adversarial Networks-GAN

• Host: GitHub
• URL: https://github.com/ahmetfurkandemir/generative-adversarial-networks-gan
• Owner: AhmetFurkanDEMIR
• Created: 2020-03-11T19:09:38.000Z (over 5 years ago)
• Default Branch: master
• Last Pushed: 2020-03-11T19:37:21.000Z (over 5 years ago)
• Last Synced: 2025-04-15T21:52:16.148Z (6 months ago)
• Language: Python
• Size: 113 KB
• Stars: 15
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# GAN Kullanım Alanları

* Resim üretme

* Resimde işelem

* Çözünürlük arrtırma

* Sanatsal

* Gerçekçi resimler

* Ses üretimi

* Yaşlandırma

# Generative Adversarial Networks-GAN 

* Ressimler ile öğrenip yeni resimler oluşturan sinir ağları

* G (Generator) = üretici

* D (Discriminator) = ayırt edici

# Generative

* input olarak rastgele bir gürültü alır çıktı olarak bir ressim verir.

![Screenshot_2020-03-11_19-08-00](https://user-images.githubusercontent.com/54184905/76454566-f35f6f80-63e5-11ea-9108-605b8028a0c3.png)

# Adversarial

* G ye rakip olarak görülür. D gerçek resimlere ulaşabilir ama G ulaşamaz, D gerçek ve G nin ürettiği resimleri alıp yorumlar ve bir çıktı verir.

* Eğer tahmin doğru ise 1 e yaklaşır tahmin yanlış ise 0 a yaklaşır.

* G den üretilen resimleri alır ve nerede hata yaptığını G ye söyler.

![Screenshot_2020-03-11_19-08-48](https://user-images.githubusercontent.com/54184905/76455095-7ed90080-63e6-11ea-9161-ed586310a162.png)

(Yanlış resim ve 0 etiketi)

![Screenshot_2020-03-11_19-09-43](https://user-images.githubusercontent.com/54184905/76455103-80a2c400-63e6-11ea-8731-387f9e0e8caf.png)

(Doğru resim ve 1 etiketi)

# Algoritmaların Eğitimi

* Her iki bölümde kod satırları boyunca kendilerini eğitirler.

![Screenshot_2020-03-11_19-12-58](https://user-images.githubusercontent.com/54184905/76455716-03c41a00-63e7-11ea-9c22-6c0e9f7e0f8a.png)

(D eğitimi, G den gelen ve orjinal resimlerle bir orantı kurarak ağırlık verir ve biz bu ağırlıkları loss fonksiyonu ile performans kontrolü yapariz)

![Screenshot_2020-03-11_19-15-42](https://user-images.githubusercontent.com/54184905/76455724-058ddd80-63e7-11ea-87f1-281aac7b11e7.png)

(G eğitimi, D den gelen ağırlıklar ile yeni resim çizer ve sonra tekrardan D ye iletir.)

# Deconvolutional network

* Normal CNN 'in tam tersi akış sağlar.

* Çıkış olarak bir resim üretir. (Normal CNN giriş olarak alır resmi)

![Screenshot_2020-03-11_19-25-20](https://user-images.githubusercontent.com/54184905/76456506-2440a400-63e8-11ea-9106-6e4a93743272.png)

![Screenshot_2020-03-11_19-25-27](https://user-images.githubusercontent.com/54184905/76456508-2571d100-63e8-11ea-82a0-6288012fd338.png)

# Kodlar

* Kodları Aynı dizinde tutarak GANs.py üzerinden eğitime başlayabilirsiniz (İyi bir donanımınız yoksa Önerilmez)

* Kodları Colab üzerinden google 'ın makinelerinde çalıştırın : https://colab.research.google.com/drive/1vFtgVgfezjA3P3CqGEgFrWmOCCzyLyJY#scrollTo=TERQlyxB93D6&line=34&uniqifier=1