جنیریٹو اڈور سریال نیٹ ورک یا GANs ایک جنریٹ ماڈلنگ کا نقطہ نظر استعمال کرتے ہیں گہری لرننگ ماڈل کو ذیلی ماڈل اپروچ کا استعمال کرکے ڈیٹا بنانے کے لئے ہوشیار انداز میں تربیت دینا۔ اس مضمون میں ، ہم تفصیل سے 'GANs کیا ہیں' کو سمجھنے کی کوشش کریں گے۔ اس مضمون میں مندرجہ ذیل موضوعات کا احاطہ کیا گیا ہے۔
- جنریٹو ماڈل کیا ہیں؟
- جنیریٹو ایڈورشیئل نیٹ ورک کیا ہیں؟
- جنیریٹو اشتہاری نیٹ ورک کے چیلنج؟
- تخلیقی اشتہاری نیٹ ورک ایپلی کیشنز
جنریٹو ماڈل کیا ہیں؟
جنریٹو ماڈل ان ماڈلز کے علاوہ کچھ نہیں ہوتے ہیں جو ایک استعمال کرتے ہیں نقطہ نظر جنریٹری ماڈل میں ، ڈیٹا میں نمونے ہوتے ہیں یعنی ان پٹ متغیر X ، لیکن اس میں آؤٹ پٹ متغیر Y کی کمی ہوتی ہے۔ ہم جنریٹری ماڈل کو تربیت دینے کے لئے صرف ان پٹ متغیرات کا استعمال کرتے ہیں اور یہ آؤٹ پٹ متغیر سے نمونوں کو پہچانتا ہے تاکہ کوئی پیداوار پیدا نہ ہو۔ اور صرف تربیت کے اعداد و شمار پر مبنی ہے۔
میں ، ہم ان پٹ متغیرات سے پیش گوئی کرنے والے ماڈل بنانے کی طرف زیادہ جڑے ہوئے ہیں ، اس قسم کی ماڈلنگ امتیازی ماڈلنگ کے نام سے مشہور ہے۔ درجہ بندی کے مسئلے میں ، ماڈل کو یہ امتیاز کرنا ہوگا کہ مثال کس طبقے سے ہے۔ دوسری طرف ، انپروسٹ ڈسٹری بیوشن میں نئی مثالیں بنانے یا پیدا کرنے کے لئے غیر سروے شدہ ماڈل استعمال کیے جاتے ہیں۔
عام افراد کی شرائط میں جنریٹی ماڈل کی تعریف کے ل To ، ہم کہہ سکتے ہیں ، جنریٹری ماڈل ، نمونے سے نئی مثالیں تیار کرنے کے اہل ہیں جو نہ صرف دیگر مثالوں سے ملتے جلتے ہیں بلکہ ان سے الگ بھی ہیں۔
ایک جنریٹری ماڈل کی سب سے عام مثال ایک ہے جو زیادہ تر امتیازی نمونہ کے طور پر استعمال ہوتا ہے۔ جنیریٹو ماڈل کی دیگر مثالوں میں گاوسیئ مرکب ماڈل اور اس کی بجائے ایک جدید مثال شامل ہے جو جنرل ایڈوروریل نیٹ ورکس ہے۔ آئیے ہم سمجھنے کی کوشش کریں کہ GAN کیا ہیں؟
جنیریٹو ایڈورشیئل نیٹ ورک کیا ہیں؟
جنیریٹو اڈور سریال نیٹ ورکس یا GANs ایک گہری سیکھنے پر مبنی جنریٹری ماڈل ہیں جو غیر نگرانی سیکھنے کے ل is استعمال ہوتا ہے۔ یہ بنیادی طور پر ایک ایسا نظام ہے جہاں دو مقابلہ کررہے ہیں عصبی نیٹ ورک ڈیٹا میں تغیرات پیدا کرنے یا پیدا کرنے کے لئے ایک دوسرے کے ساتھ مسابقت کریں۔
ایان گڈفیلو کے ذریعہ 2014 میں یہ پہلی بار ایک مقالے میں بیان کیا گیا تھا اور ایلیک ریڈفورڈ نے 2016 میں ایک معیاری اور بہت مستحکم ماڈل تھیوری تجویز کی تھی جسے ڈی سی جی اے این (ڈیپ کنونیوژن جنرل ایڈوروریل نیٹ ورکس) کہا جاتا ہے۔ آج کل موجود GAN بہت سے لوگ DCGAN فن تعمیر کا استعمال کرتے ہیں۔
GANs فن تعمیر دو ذیلی ماڈل پر مشتمل ہے جسے بطور جانا جاتا ہے جنریٹر ماڈل اور امتیازی ماڈل۔ آئیے ہم یہ سمجھنے کی کوشش کریں کہ جی اے این اصل میں کیسے کام کرتا ہے۔
یہ کیسے کام کرتا ہے؟
سمجھنے کے لئے کہ GANs کس طرح کام کرتے ہیں ، آئیے اسے توڑ دیں۔
- جنریٹری - اس کا مطلب یہ ہے کہ ماڈل مندرجہ ذیل ہے نقطہ نظر اور ایک پیداواری ماڈل ہے.
- اشتہاری - ماڈل کو اشتہاری ترتیب میں تربیت دی جاتی ہے
- نیٹ ورک - ماڈل کی تربیت کے لئے ، مصنوعی ذہانت کے الگورتھم کے بطور اعصابی نیٹ ورکس کا استعمال کریں۔
GANs میں ، ایک جنریٹر نیٹ ورک موجود ہے جو نمونہ لیتا ہے اور ڈیٹا کا نمونہ تیار کرتا ہے ، اور اس کے بعد ، امتیازی نیٹر یہ فیصلہ کرتا ہے کہ بائنری کا استعمال کرتے ہوئے اعداد و شمار کو اصلی نمونے سے بنایا گیا ہے یا لیا گیا ہے۔ سگمائڈ فنکشن کی مدد سے مسئلہ جو 0 سے 1 رینج میں آؤٹ پٹ دیتا ہے۔
تخلیقی ماڈل اس طرح سے اعداد و شمار کی تقسیم کا تجزیہ کرتا ہے کہ تربیت کے مرحلے کے بعد ، غلطی کرنے والے امتیازی سلوک کا امکان زیادہ سے زیادہ ہوجاتا ہے۔ اور دوسری طرف ، امتیازی ماہر ایک ایسے ماڈل پر مبنی ہے جو اس امکان کا اندازہ لگائے گا کہ نمونہ جنریٹر سے نہیں بلکہ اصل اعداد و شمار سے آرہا ہے۔
ذیل میں دیئے گئے ریاضی کے فارمولے سے اس سارے عمل کو باضابطہ بنایا جاسکتا ہے۔
مندرجہ بالا فارمولے میں:
جی = جنریٹر
D = امتیازی
Pdata (x) = اصل ڈیٹا کی تقسیم
جاوا میں چرت کیسے استعمال کریں؟
Pdata (z) = جنریٹر کا تقسیم کار
x = اصلی اعداد و شمار سے نمونہ
موسم بہار کا فریم ورک کیا ہے؟
z = جنریٹر سے نمونہ
D (x) = امتیازی جال
G (z) = جنریٹر نیٹ ورک
اب ایک GAN کے لئے تربیت کا حصہ آتا ہے ، جسے مزید 2 حصوں میں تقسیم کیا جاسکتا ہے جو تسلسل کے ساتھ کیے جاتے ہیں۔
ایک جی اے این کو تربیت دینے کا طریقہ
حصہ 1:
امتیازی سلوک کرنے والے کو تربیت دیں اور جنریٹر کو منجمد کریں ، جس کا مطلب ہے کہ جنریٹر کے لئے مقرر کی جانے والی تربیت کو جھوٹا بنا دیا گیا ہے اور نیٹ ورک صرف فارورڈ پاس ہی کرے گا اور پیچھے کی کوئی تشہیر نہیں ہوگی۔
بنیادی طور پر امتیازی سلوک کرنے والے کو حقیقی اعداد و شمار کے ساتھ تربیت دی جاتی ہے اور جانچ پڑتال کی جاتی ہے کہ آیا یہ ان سے صحیح اندازہ کی پیش گوئی کرسکتا ہے ، اور جعلی اعداد و شمار کے ساتھ وہی ہے جو انہیں جعلی کے طور پر شناخت کرے۔
حصہ 2:
جنریٹر کو تربیت دیں اور امتیازی سلوک کرنے والے کو منجمد کریں۔ اس مرحلے میں ، ہم پہلے مرحلے سے نتائج حاصل کرتے ہیں اور ان کو استعمال کرکے امتیازی سلوک کو بہتر بنانے اور بیوقوف بنانے کے لئے پچھلی ریاست سے بہتر بنانے کے ل can استعمال کرسکتے ہیں۔
تربیت کے لئے اقدامات
- مسئلہ کی وضاحت کریں - مسئلے کی وضاحت کریں اور ڈیٹا اکٹھا کریں۔
- GAN کے فن تعمیر کا انتخاب کریں - اپنے مسئلے پر منحصر ہوں کہ آپ GAN کی طرح دکھائیں۔
- اصلی اعداد و شمار پر ٹرین تفریق - امتیازی سلوک کرنے والے کو حقیقی اعداد و شمار کے ساتھ تربیت دیں تاکہ وہ متعدد اوقات میں حقیقی کی پیش گوئی کر سکیں۔
- جنریٹر کے لئے جعلی آدانیں تیار کریں - جنریٹر سے جعلی نمونے تیار کریں
- جعلی ڈیٹا پر ٹرین تفریق - پیدا کردہ ڈیٹا کو جعلی قرار دینے کے لئے امتیازی سلوک کرنے والے کو تربیت دیں۔
- امتیازی نتائج کی پیداوار کے ساتھ ٹرین جنریٹر - امتیازی سلوک کی پیش گوئیاں حاصل کرنے کے بعد ، جنریٹر کو امتیازی سلوک کرنے والے کو بے وقوف بنانے کی تربیت دیں
جنیریٹو ایڈورشیئیل نیٹ ورک کے چیلینجز
GANs کا تصور بلکہ دلچسپ ہے لیکن اس میں بہت سی دھچکے ہیں جو اس کے راستے میں بہت سی رکاوٹ کا سبب بن سکتے ہیں۔ جی اے اینز کو درپیش کچھ بڑے چیلنجز یہ ہیں:
- استحکام امتیازی سلوک کرنے والے اور جنریٹر کے مابین ضروری ہے بصورت دیگر پورا نیٹ ورک گر جائے گا۔ ایسی صورت میں ، اگر امتیازی طاقت بہت طاقت ور ہے تو ، جنریٹر پوری طرح سے تربیت دینے میں ناکام ہوجائے گا۔ اور اگر نیٹ ورک بہت نرم ہے تو ، کسی بھی شبیہ کو نیٹ ورک کو بیکار بناتے ہوئے تیار کیا جائے گا۔
- GANs کا تعین کرنے میں بری طرح ناکام ہوجاتے ہیں اشیاء کی پوزیشننگ اس جگہ پر اعتراض کو کتنی بار ہونا چاہئے اس لحاظ سے۔
- 3-D تناظر GANs کو پریشان کرتا ہے کیونکہ یہ سمجھنے کے قابل نہیں ہے نقطہ نظر ، یہ اکثر 3-d آبجیکٹ کے لئے فلیٹ امیج دے گا۔
- GANs کو سمجھنے میں ایک مسئلہ ہے عالمی اشیاء . یہ کسی جامع ڈھانچے کو فرق نہیں سمجھ سکتا ہے۔
- GANs کی نئی قسمیں زیادہ اعلی درجے کی ہیں اور توقع کی جاتی ہے کہ ان کوتاہیوں کو مکمل طور پر دور کیا جائے۔
جنیریٹو اشتہاری نیٹ ورک ایپلی کیشنز
GANs کی کچھ درخواستیں درج ذیل ہیں۔
ایک ویڈیو میں اگلے فریم کی پیش گوئی
GANs کی مدد سے ویڈیو فریم میں آئندہ کے واقعات کی پیش گوئی ممکن ہوئی ہے۔ DVD-GAN یا ڈبل ویڈیو امتیازی جین GAN ، 256 × 256 ویڈیوز تیار کرسکتے ہیں جن کی لمبائی 48 فریم تک ہے۔ اس کا استعمال نگرانی سمیت مختلف مقاصد کے لئے کیا جاسکتا ہے جس میں ہم ایسی فریم میں سرگرمیوں کا تعین کرسکتے ہیں جو بارش ، دھول ، دھواں ، وغیرہ جیسے دیگر عوامل کی وجہ سے مسخ ہوجاتی ہے۔
تصویری جنریشن سے متن
آبجیکٹ پر مبنی توجہ دینے والا GAN (اعتراض-GAN) ، متن میں امیج ترکیب کو دو مراحل میں انجام دیتا ہے۔ سیمنٹک لے آؤٹ تیار کرنا ابتدائی مرحلہ ہے اور پھر ڈی-کنویوشنل امیج جنریٹر کا استعمال کرکے شبیہہ کی ترکیب کرکے امیج تیار کرنا آخری مرحلہ ہے۔
الفاظ کی ترکیب کے ذریعہ عنوانات ، ترتیب کو سمجھنے اور تفصیلات کو بہتر بنانے کے ذریعے تصاویر پیدا کرنے کیلئے اسے شدت سے استعمال کیا جاسکتا ہے۔ اسٹوری جی اینز کے بارے میں ایک اور مطالعہ ہے جو پورے اسٹوری بورڈز کو محض پیراگراف سے ترکیب بنا سکتا ہے۔
کسی تصویری قرارداد کو بڑھانا
سپر ریزولوشن جنریٹیو اڈورشیئل نیٹ ورک یا ایس آر جی اے این ایک GAN ہے جو بہتر ریزولوشن اور بہتر کوالٹی کے ساتھ کم ریزولوشن امیجز سے سپر ریزولوشن امیجس تیار کرسکتا ہے۔
ایپلی کیشنز بے حد ہوسکتی ہیں ، کم ریزولیشن کی شبیہہ سے تیار کردہ عمدہ تفصیلات والی اعلی معیار کی تصویر کا تصور کریں۔ کم ریزولوشن امیجوں میں تفصیلات کی شناخت کے ل produce جو مقدار اس کی مدد کرے گی اسے وسیع مقاصد کے لئے استعمال کیا جاسکتا ہے جن میں نگرانی ، دستاویزات ، سلامتی ، پتہ لگانے کے نمونوں وغیرہ شامل ہیں۔
جاوا میں گمنامی کلاس کیا ہے؟
تصویر سے تصویری ترجمہ
پکس 2 پکس جی اے این ایک ایسا ماڈل ہے جو عام مقصد کی تصویر-تصویری ترجمہ کے لئے ڈیزائن کیا گیا ہے۔
انٹرایکٹو امیج جنریشن
GANs کو انٹرایکٹو تصاویر تیار کرنے کے لئے بھی استعمال کیا جاسکتا ہے ، کمپیوٹر سائنس اور مصنوعی ذہانت لیبارٹری (CSAIL) نے ایک GAN تیار کیا ہے جو حقیقت اور روشنی کی روشنی میں 3-D ماڈل تیار کرسکتا ہے جس کی شکل اور ساخت میں ترمیم کے ذریعہ ان کو فعال بنایا گیا ہے۔
ابھی حال ہی میں ، محققین ایک ایسے ماڈل کے ساتھ سامنے آئے ہیں جو ایک ہی وقت میں چہرے کی ظاہری شکل کو محفوظ رکھتے ہوئے کسی فرد کی نقل و حرکت کے ذریعہ متحرک چہرے کی ترکیب کرسکتے ہیں۔
یہ ہمارے اس مضمون کے اختتام تک پہنچا ہے جہاں ہم نے 'GANs کیا ہیں' سیکھا ہے۔ میں امید کرتا ہوں کہ اس سبق کے ساتھ جو کچھ آپ کے ساتھ شیئر کیا گیا ہے اس سے آپ صاف ہیں۔
اگر آپ کو یہ مضمون 'GANs کیا ہیں' سے متعلق ہے تو ، چیک کریں ایک قابل اعتماد آن لائن سیکھنے کی کمپنی جس کے نیٹ ورک کے ساتھ دنیا بھر میں 250،000 سے زیادہ مطمئن سیکھنے ہیں۔
ہم یہاں آپ کے سفر کے ہر قدم میں آپ کی مدد کرنے اور ایک ایسا نصاب تیار کرتے ہیں جو طلباء اور پیشہ ور افراد کے لئے ڈیزائن کیا گیا ہے جو ایک بننا چاہتے ہیں . کورس آپ کو ازگر کے پروگرامنگ میں آغاز فراہم کرنے اور مختلف اور بنیادی ایڈوانس تصورات کے لئے آپ کو تربیت دینے کے لئے ڈیزائن کیا گیا ہے پسند ہے
اگر آپ کو کوئی سوالات آتے ہیں تو ، 'GANs کیا ہیں' کے تبصرے کے سیکشن میں بلا جھجھک اپنے سوالات پوچھیں اور ہماری ٹیم جواب دینے میں خوش ہوگی۔