Image Compression and Generation using Variational Autoencoders in Python
How to preprocess and prepare data for vision tasks using PyTorch
What a variational autoencoder is and how to train one
How to compress, reconstruct, and generate new images using a generative model
In this 1-hour long project, you will be introduced to the Variational Autoencoder. We will discuss some basic theory behind this model, and move on to creating a machine learning project based on this architecture. Our data comprises 60.000 characters from a dataset of fonts. We will train a variational autoencoder that will be capable of compressing this character font data from 2500 dimensions down to 32 dimensions. This same model will be able to then reconstruct its original input with high fidelity. The true advantage of the variational autoencoder is its ability to create new outputs that come from distributions that closely follow its training data: we can output characters in brand new fonts. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Habilidades que desarrollarás
- Image Compression
- Machine Learning
- Vision
Aprende paso a paso
En un video que se reproduce en una pantalla dividida con tu área de trabajo, tu instructor te guiará en cada paso:
An introduction to the variational autoencoder and our project
Dataset visualization and preprocessing
Dataset split into training and validation sets
Use data loaders to handle memory overload
Create VAE architecture
Create training loop for VAE
Results of our model and short introduction to other potential projects using a VAE
Cómo funcionan los proyectos guiados
Tu espacio de trabajo es un escritorio virtual directamente en tu navegador, no requiere descarga.
En un video de pantalla dividida, tu instructor te guía paso a paso
Instructor
Reseñas
Principales reseñas sobre IMAGE COMPRESSION AND GENERATION USING VARIATIONAL AUTOENCODERS IN PYTHON
It is highly recommended to those who has a basic knowledge in ML and like to start using VAEs in pytorch framework. :-)
It was really helpful. I am new to PyTorch but it gave a good level of understanding overall. thank you
Good project. Add some more clarity to it , especially to the mathematical background.
Preguntas Frecuentes
Preguntas Frecuentes
¿Qué obtendré si compro un proyecto guiado?
¿Hay proyectos guiados disponibles en computadoras de escritorio y dispositivos móviles?
¿Quiénes son los instructores para proyectos guiados?
¿Puedo descargar el trabajo de mi proyecto guiado después de completarlo?
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Puedo participar como oyente de un proyecto guiado y mirar el video de forma gratuita?
¿Cuánta experiencia necesito para hacer este proyecto guiado?
¿Puedo completar este proyecto guiado directamente a través de mi navegador web, en lugar de instalar un software especial?
¿Cómo es la experiencia de aprendizaje con los proyectos guiados?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera Footer
