شما به این ویدیو دسترسی ندارید



0

intro

8:55

رایگان

1

tensor

17:33

رایگان

2

dataloader

25:18

5

GAN

19:4

6

discriminator

33:22

7

module

15:21

8

save

13:41

9

batch norm

21:40

10

DCGAN

31:35

11

wasserstein

16:50

12

critic

27:9

13

generator

17:18

14

cyclegan

21:28

15

albumentation

16:26

16

residual

18:2

17

autoencoder

32:3

18

tensorboard

25:24

19

kl divergence

12:27

20

VAE

37:25

21

nlp

30:9

22

lstm

36:45

23

topk

22:54

24

skorch

16:10

25

transformers

29:27

26

done

3:44

دوره های پیشنهادی

آموزش پیشرفته جنگو - ساخت فروشگاه اینترنتی
دوره آموزش nginx
دوره آموزش nginx
تکمیل ضبط
امیرحسین بیگدلو
آموزش پروژه محور جنگو - ساخت شبکه اجتماعی



ارسال نظر


همدانی

3 ماه قبل پاسخ به نظر

سلام من اجرا کردم
ولی با مشورتی که از چت جی پی تی گرفتم فکنم اینجا باید اصلاح بشه
تصحیح استفاده از real_sample به جای real_labels

def train_D_on_real(real_sample):
r = real_sample.reshape(-1, 784).to(device)
out_D = D(r)
labels = torch.ones((r.shape[0], 1)).to(device)
loss_D = loss_fn(out_D, labels)
optimizer_D.zero_grad()
loss_D.backward()
optimizer_D.step()
return loss_D.item()

ارسال نظر



امیرحسین بیگدلو

3 ماه قبل

سلام
ویدیو رو بررسی کردم. اشتباه از من بوده. منم منظورم همون real_samples بوده

مونگارد