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

دوره آموزش زبان برنامه نویسی پایتون
دوره آموزش زبان برنامه نویسی پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش سلری(celery)
دوره آموزش سلری(celery)
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش Design Patterns در پایتون
دوره آموزش Design Patterns در پایتون
تکمیل ضبط
امیرحسین بیگدلو



ارسال نظر


همدانی

4 هفته 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 هفته قبل

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

مونگارد