شبکه‌های GAN (Generative Adversarial Networks)

این نوع شبکه‌های عصبی به دلیل توانایی‌شان در تولید داده‌های جدید و واقع‌گرایانه از محبوبیت بالایی برخوردار هستند و در بسیاری از حوزه‌ها از جمله تولید تصاویر، هنر دیجیتال، و شبیه‌سازی داده‌ها استفاده می‌شوند.

شبکه‌های GAN (Generative Adversarial Networks)

1. تعریف GAN

• شبکه‌های GAN یک مدل یادگیری عمیق هستند که شامل دو شبکه عصبی مختلف به نام‌های تولیدکننده (Generator) و تمایزدهنده (Discriminator) هستند.
• تولیدکننده تلاش می‌کند تا داده‌های جدیدی تولید کند که به داده‌های واقعی شبیه باشند، در حالی که تمایزدهنده وظیفه دارد بین داده‌های واقعی و تولیدشده تمایز قائل شود.

2. ساختار GAN

• Generator: این شبکه داده‌های جدید را تولید می‌کند. ورودی آن معمولاً یک بردار تصادفی (noise) است و خروجی آن یک نمونه داده (مثل تصویر) است.
• Discriminator: این شبکه یک نمونه داده را به عنوان ورودی می‌گیرد و باید تشخیص دهد که آیا این داده واقعی است یا توسط تولیدکننده ساخته شده است.

3. نحوه کارکرد GAN

• GAN‌ها با یک بازی صفر مجموع کار می‌کنند: تولیدکننده تلاش می‌کند تا داده‌هایی تولید کند که تمایزدهنده نمی‌تواند آن‌ها را تشخیص دهد، در حالی که تمایزدهنده تلاش می‌کند تا داده‌های واقعی و تولید شده را تمایز دهد.
• روند یادگیری به صورت زیر است:
  1. تولیدکننده یک نمونه داده را تولید می‌کند.
  2. تمایزدهنده نمونه‌های واقعی و تولید شده را بررسی می‌کند و پیش‌بینی می‌کند.
  3. بر اساس خروجی تمایزدهنده، تولیدکننده و تمایزدهنده به‌طور جداگانه به روز می‌شوند.

4. مزایا و معایب GAN

• مزایا:
  • تولید داده‌های واقع‌گرایانه: GAN‌ها می‌توانند داده‌های جدید و شبیه به داده‌های واقعی تولید کنند.
  • قابلیت کاربردی: GAN‌ها در بسیاری از زمینه‌ها کاربرد دارند، از جمله تولید تصاویر، انتقال سبک، و شبیه‌سازی داده‌ها.
• معایب:
  • آموزش دشوار: آموزش GAN‌ها می‌تواند چالش‌برانگیز باشد و نیاز به تنظیم دقیق دارد.
  • پدیده‌های ناپایداری: ممکن است روند یادگیری به راحتی ناپایدار شود و به حالت‌های غیر بهینه منجر شود.

5. پیاده‌سازی GAN در پایتون

در اینجا یک مثال ساده از GAN برای تولید تصاویر با استفاده از Keras آورده شده است. ما از مجموعه داده MNIST برای تولید اعداد دست‌نویس استفاده خواهیم کرد.

pythonCopy codeimport numpy as np
from keras.models import Sequential
from keras.layers import Dense, Reshape, Flatten
from keras.optimizers import Adam
from keras.datasets import mnist

# بارگذاری داده‌ها
(X_train, _), (_, _) = mnist.load_data()
X_train = X_train.astype('float32') / 255.0  # نرمال‌سازی داده‌ها
X_train = X_train.reshape(X_train.shape[0], 28*28)  # تغییر شکل به یک بعد

# تعریف ابعاد ورودی و خروجی
latent_dim = 100  # ابعاد ورودی تولیدکننده

# تعریف مدل تولیدکننده
generator = Sequential()
generator.add(Dense(256, activation='relu', input_dim=latent_dim))
generator.add(Dense(512, activation='relu'))
generator.add(Dense(1024, activation='relu'))
generator.add(Dense(28 * 28, activation='sigmoid'))
generator.add(Reshape((28, 28)))  # تغییر شکل به تصویر

# تعریف مدل تمایزدهنده
discriminator = Sequential()
discriminator.add(Flatten(input_shape=(28, 28)))  # تبدیل تصویر به یک بعد
discriminator.add(Dense(512, activation='relu'))
discriminator.add(Dense(256, activation='relu'))
discriminator.add(Dense(1, activation='sigmoid'))  # خروجی بین 0 و 1

# کامپایل تمایزدهنده
discriminator.compile(loss='binary_crossentropy', optimizer=Adam(), metrics=['accuracy'])

# ساخت مدل GAN
discriminator.trainable = False  # فقط تولیدکننده آموزش می‌بیند
gan = Sequential([generator, discriminator])
gan.compile(loss='binary_crossentropy', optimizer=Adam())

# آموزش GAN
def train_gan(epochs=10000, batch_size=128):
    for epoch in range(epochs):
        # انتخاب یک batch تصادفی از داده‌های واقعی
        idx = np.random.randint(0, X_train.shape[0], batch_size)
        real_images = X_train[idx]

        # تولید تصاویر تصادفی
        noise = np.random.normal(0, 1, (batch_size, latent_dim))
        generated_images = generator.predict(noise)

        # ترکیب داده‌های واقعی و تولید شده
        combined_images = np.concatenate([real_images, generated_images])
        labels = np.concatenate([np.ones((batch_size, 1)), np.zeros((batch_size, 1))])

        # آموزش تمایزدهنده
        d_loss = discriminator.train_on_batch(combined_images, labels)

        # آموزش تولیدکننده
        noise = np.random.normal(0, 1, (batch_size, latent_dim))
        labels = np.ones((batch_size, 1))  # هدف تولیدکننده
        g_loss = gan.train_on_batch(noise, labels)

        # چاپ خسارت
        if epoch % 1000 == 0:
            print(f"{epoch} [D loss: {d_loss[0]:.4f}, acc.: {100*d_loss[1]:.2f}] [G loss: {g_loss:.4f}]")

# شروع آموزش
train_gan()

• در این مثال، یک GAN برای تولید تصاویر اعداد دست‌نویس طراحی شده است. ما از مجموعه داده MNIST استفاده می‌کنیم و هر دو شبکه تولیدکننده و تمایزدهنده را تعریف و آموزش می‌دهیم.
• در هر دوره، ما یک batch تصادفی از تصاویر واقعی را انتخاب می‌کنیم و تصاویر تولید شده را تولید می‌کنیم. سپس تمایزدهنده بر اساس این دو مجموعه آموزش می‌بیند و تولیدکننده نیز تلاش می‌کند تا تصاویری تولید کند که تمایزدهنده نتواند تشخیص دهد.

فعالیت پیشنهادی:

• به جای مجموعه داده MNIST، از مجموعه داده‌های دیگر مانند CIFAR-10 استفاده کنید و سعی کنید یک GAN برای تولید تصاویر از آن مجموعه طراحی کنید. بهینه‌سازی پارامترها و ساختار شبکه را امتحان کنید.

جمع‌بندی

تا اینجا با شبکه‌های GAN و نحوه عملکرد آن‌ها آشنا شدید. حالا اگر تمایل دارید، می‌توانیم به موضوعات دیگری مانند تقویت یادگیری (Reinforcement Learning)، توسعه اپلیکیشن‌های عملیاتی با استفاده از مدل‌های یادگیری عمیق یا پروژه‌های عملیاتی در زمینه هوش مصنوعی بپردازیم.