{"id":180239,"date":"2023-07-16T21:48:58","date_gmt":"2023-07-16T20:48:58","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=180239"},"modified":"2023-10-30T13:06:39","modified_gmt":"2023-10-30T12:06:39","slug":"deep-convolutional-gan-was-ist-das","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das","title":{"rendered":"Deep Convolutional GAN: Was ist das?"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"180239\" class=\"elementor elementor-180239\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-fd30442 e-flex e-con-boxed e-con\" data-id=\"fd30442\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-26ff6d6 elementor-widget elementor-widget-text-editor\" data-id=\"26ff6d6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<h3>Neuronale Netze sind in der Welt der Daten mittlerweile allgegenw\u00e4rtig, aber wenn es ein innovatives Konzept gibt, das in den letzten Jahren aufgekommen ist, dann sind es GANs. Diese Netze, die durch Konfrontation lernen, sind besonders effizient, und wenn dieses Konzept mit dem neuesten Stand der Bildverarbeitungstechniken kombiniert wird, erh\u00e4lt man das, was wir in diesem Artikel behandeln werden, die DCGANs oder Deep Convolutional Generative Adversarial Networks (Deep Convolutional Generative Adversarial Networks).<\/h3>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-70b6785 e-flex e-con-boxed e-con\" data-id=\"70b6785\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3b452819 elementor-widget elementor-widget-heading\" data-id=\"3b452819\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">Was ist das GAN-Konzept?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-24cda912 elementor-widget elementor-widget-text-editor\" data-id=\"24cda912\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Zur Erinnerung: Das Konzept der <a href=\"https:\/\/datascientest.com\/de\/generative-antagonistische-netzwerke-oder-gan-was-ist-das\">GANs<\/a> besteht darin, dass zwei Netzwerke, der Generator (G) und der Discriminator (D), gegeneinander antreten. Der Generator lernt, ein realistisches Bild (\u00e4hnlich wie in einem Datensatz) zu erzeugen, das vom Diskriminator, der bereits Bilder aus dem Datensatz gesehen hat, beurteilt wird. Wenn das <strong>D-Netz<\/strong> falsch ist, muss es aus seinem Fehler lernen, wenn das D-Netz richtig liegt, muss das G-Netz sich verbessern.<\/p><p>Das Lernen erfolgt \u00fcber die Loss Functions der beiden Netzwerke, wie bei traditionellen Netzwerken.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-726bee55 elementor-widget__width-initial elementor-widget elementor-widget-image\" data-id=\"726bee55\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"439\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/Discriminateur.png\" class=\"attachment-large size-large wp-image-180242\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/Discriminateur.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/Discriminateur-300x165.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/Discriminateur-768x422.png 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7a592b40 elementor-widget elementor-widget-text-editor\" data-id=\"7a592b40\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wenn du mehr dar\u00fcber erfahren m\u00f6chtest, haben wir einen Artikel \u00fcber das Konzept der<strong> GANs und ihre Verwendung.<\/strong><\/p><p>Schon bald wurden die Grenzen dieser Methode deutlich: Die erzeugten Bilder waren nicht realistisch genug, insbesondere wenn man versuchte, die Qualit\u00e4t oder die Feinheit der Bilder zu erh\u00f6hen. Diese Grenze liegt in der Struktur der Generator- und Diskriminator-Netzwerke selbst begr\u00fcndet. Einfache, dichte Netzwerke (feed-forward oder fully connected) erlauben es nicht, alle <a href=\"https:\/\/datascientest.com\/de\/gesichtserkennung-entschluesselung-ihrer-funktionsweise\">Besonderheiten eines Bildes optimal zu nutzen<\/a>. Dazu m\u00fcssen komplexere Netzwerke verwendet werden, die als <a href=\"https:\/\/datascientest.com\/de\/convolutional-neural-network-2\">Convolutional Neural Networks (CNNs oder ConvNets)<\/a> bezeichnet werden.<\/p><p>Bevor wir auf die Details der <strong>DCGAN-Implementierung<\/strong> eingehen, ist es notwendig, die Schl\u00fcsselkonzepte zu verstehen, aus denen sich<strong> CNNs<\/strong> zusammensetzen. Insbesondere die Convolution Layer. Wenn du mit diesen nicht vertraut bist, kannst du sie in einem unserer Artikel nachlesen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e29ae51 e-flex e-con-boxed e-con\" data-id=\"e29ae51\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3da53e4c elementor-widget elementor-widget-heading\" data-id=\"3da53e4c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Wie baut man den Diskriminator?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-39a38841 elementor-widget elementor-widget-text-editor\" data-id=\"39a38841\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>In unserem <strong>DCGAN<\/strong> muss das Diskriminatornetzwerk aus einem echten oder falschen Bild eine Klassifizierung erstellen. Man k\u00f6nnte also auf ein klassisches <strong>CNN<\/strong> vom Typ LeNet zur\u00fcckgreifen, aber die Entwickler der DCGAN-Architektur haben festgestellt, dass einige spezifische Parameter interessanter sind.<\/p><p><strong>Downsampling:<\/strong> Um die Gr\u00f6\u00dfe unserer Faltungsschichten schrittweise zu reduzieren und \u00dcberlernen zu vermeiden, ist es \u00fcblich, Pooling-Schichten zu verwenden. Hier haben sich Faltungsschichten mit Stride als effektiver erwiesen, d.h. der Faltungsfilter wird jedes Mal um mehr als ein Feld verschoben:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-39e7682f elementor-widget elementor-widget-image\" data-id=\"39e7682f\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"244\" height=\"259\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/no_padding_no_strides.gif\" class=\"attachment-large size-large wp-image-180243\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-136e3401 elementor-widget__width-initial elementor-widget elementor-widget-image\" data-id=\"136e3401\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"294\" height=\"288\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/no_padding_strides2.gif\" class=\"attachment-large size-large wp-image-180244\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-116a7957 elementor-widget elementor-widget-text-editor\" data-id=\"116a7957\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Batch Normalization:<\/strong> Diese Normalisierung der Gewichte nach jeder Faltungsschicht (also pro Stride) erm\u00f6glicht ein stabileres und schnelleres Lernen des Netzes, daher ist es nicht notwendig, Bias in unseren verschiedenen Schichten zu verwenden!<\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Activation Function:<\/strong> Die ReLU-Funktion schien im Rahmen des Trainings des Discriminators in einen Zustand zu konvergieren, in dem alle Gewichte des Netzes inaktiv waren. Daher verwenden wir eine Variante dieser Funktion, die LeakyReLU genannt wird.<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-cc59a03 e-flex e-con-boxed e-con\" data-id=\"cc59a03\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-11f53c3b elementor-widget elementor-widget-heading\" data-id=\"11f53c3b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Aufbau des Generators<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cd6762c elementor-widget elementor-widget-text-editor\" data-id=\"cd6762c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Die Rolle des Generatornetzwerks besteht darin, von einem zuf\u00e4lligen Vektor zu einem Bild zu gelangen, das den Diskriminator t\u00e4uschen kann. Daher m\u00fcssen wir neue Techniken verwenden, die wir als umgekehrtes Faltungsnetzwerk beschreiben k\u00f6nnen:<\/p><p><strong>Upsampling:<\/strong> Um die Dimension unseres Vektors zu einem Bild zu vergr\u00f6\u00dfern, m\u00fcssen wir sogenannte transponierte Faltungen verwenden, wie unten dargestellt:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2b77e502 elementor-widget__width-initial elementor-widget elementor-widget-image\" data-id=\"2b77e502\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"344\" height=\"387\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/no_padding_no_strides_transposed.gif\" class=\"attachment-large size-large wp-image-180245\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-52e9fc97 elementor-widget elementor-widget-text-editor\" data-id=\"52e9fc97\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Batch Normalization:<\/strong> Hier wird die gleiche Logik wie beim Discriminator angewandt.<\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><strong>Activation Function:<\/strong> Hier wird in allen Ebenen die ReLU-Funktion verwendet, au\u00dfer in der letzten, wo eine tanh-Funktion verwendet wird, weil es effizienter ist, normalisierte Bilder als Input f\u00fcr den Discriminator zu verwenden!<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-24accb49 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"24accb49\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Mehr \u00fcber Deep Learning lernen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-27db52de elementor-widget elementor-widget-text-editor\" data-id=\"27db52de\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Hier sind mehrere Illustrationen von Aktivierungsfunktionen:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-539794a4 elementor-widget__width-initial elementor-widget elementor-widget-image\" data-id=\"539794a4\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"439\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/GANS.png\" class=\"attachment-large size-large wp-image-180246\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/GANS.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/GANS-300x165.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/GANS-768x422.png 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-36fca4c4 elementor-widget elementor-widget-text-editor\" data-id=\"36fca4c4\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Au\u00dferdem machen die besonderen Konstruktionen der Discriminators und Generators die dichten Schichten, die man normalerweise in <a href=\"https:\/\/datascientest.com\/de\/convolutional-neural-network-2\">CNNs<\/a> findet, \u00fcberfl\u00fcssig.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-65c38ec e-flex e-con-boxed e-con\" data-id=\"65c38ec\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-70453c6 elementor-widget elementor-widget-heading\" data-id=\"70453c6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Training oder Trainingsloop<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-355fdb5 elementor-widget elementor-widget-text-editor\" data-id=\"355fdb5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wenn du bis hierher gut aufgepasst hast, wirst du bemerkt haben, dass es einen wichtigen Schritt gibt, den wir noch nicht erw\u00e4hnt haben, n\u00e4mlich die Trainingsschleife oder Trainingsphase. Wenn du bereits mit dem Training von neuronalen Netzen vertraut bist, wei\u00dft du, dass es eine fast unendliche Anzahl von Hyperparametern gibt, die getestet werden m\u00fcssen. Diese Problematik ist beim Training von DCGANs logischerweise doppelt so pr\u00e4sent, weshalb es \u00fcblich ist, Parameter zu verwenden, die empirisch als wirksam erwiesen sind, insbesondere von den Autoren des Papiers.<\/p><p>Wir werden hier lediglich die Grundz\u00fcge vorstellen:<\/p><ul><li><strong>Initialisierung:<\/strong> Alle Gewichte werden nach einer bestimmten Gau\u00dfschen Verteilung initialisiert, um Konvergenzprobleme w\u00e4hrend des Lernens zu vermeiden.<\/li><li><strong>Gradientenabstieg:<\/strong> Dieser erfolgt stochastisch \u00fcber Mini-Batch, aus demselben Grund wie die Initialisierung: Es stabilisiert das Training.<\/li><li><strong>Optimizer:<\/strong> Es wird der Adam Optimizer verwendet, der eine kontinuierliche Aktualisierung der Lernrate erm\u00f6glicht.<\/li><li><strong>Spezifische Einstellungen<\/strong> f\u00fcr das Momentum \u03b21 und die Initialisierung der Lernrate werden verwendet, um das Training zu stabilisieren.<\/li><\/ul><p>Es wurden viele technische Details angesprochen, dennoch sind dies Parameter, die immer h\u00e4ufiger im <a href=\"https:\/\/datascientest.com\/de\/deep-learning-oder-tiefes-lernen-was-ist-das-denn\">Deep Learning<\/a> verwendet werden. Zum Beispiel werden transponierte oder Stride-Faltungen in vielen Deep-Learning-Anwendungen wie Image Inpainting, semantischer Segmentierung oder<strong> Super Resolution<\/strong> von Bildern verwendet. Ebenso ist der Adam-Optimizer ein sehr robuster Optimizer, der im Deep Learning allgegenw\u00e4rtig ist.<\/p><p>Die &#8222;Einfachheit&#8220; des<strong> DCGAN<\/strong> tr\u00e4gt zu seinem Erfolg bei. Allerdings wurde ein gewisser Engpass erreicht: Die Erh\u00f6hung der Komplexit\u00e4t des Generators f\u00fchrt nicht unbedingt zu einer besseren Bildqualit\u00e4t. Aus diesem Grund gab es in letzter Zeit viele Verbesserungen: cGANs, styleGANs, cycleGANs usw..<\/p><p>Du kannst die <strong>GANs, DCGANs<\/strong> und die Verbesserungen, die seither an diesen Netzwerken vorgenommen wurden, im Modul <strong>&#8222;Generative Adversarial Network&#8220;<\/strong> unseres Kurses Deep Learning for Computer Vision finden.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-eec4eeb elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"eec4eeb\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecke unseren Deep Learning Kurs<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-580f711 elementor-widget elementor-widget-html\" data-id=\"580f711\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">.\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [{{\n    \"@type\": \"Frage\",\n    \"name\": \"Was ist das Konzept der GANs?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Zur Erinnerung: Das Konzept der GANs besteht darin, dass zwei Netzwerke aufeinandertreffen, der Generator (G) und der Diskriminator (D). Der Generator lernt, ein realistisches Bild (\u00e4hnlich wie in einem Datensatz) zu erzeugen, das vom Discriminator, der bereits Bilder aus dem Datensatz gesehen hat, beurteilt wird. Wenn das D-Netzwerk falsch liegt, muss es aus seinem Fehler lernen, wenn das D-Netzwerk richtig liegt, muss das G-Netzwerk besser werden.\"\n    }\n  },{\n    \"@type\": \"Frage\",\n    \"name\": \"Wie baue ich den Diskriminator?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"In unserer DCGAN muss das Diskriminatornetzwerk aus einem echten oder falschen Bild eine Klassifizierung erstellen. Es k\u00f6nnte also ein klassisches CNN vom Typ LeNet sein, aber die Entwickler der DCGAN-Architektur haben festgestellt, dass einige spezifische Parameter interessanter sind, die wir uns anschauen wollen.\"\n    }\n  }]\n}\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Neuronale Netze sind in der Welt der Daten mittlerweile allgegenw\u00e4rtig, aber wenn es ein innovatives Konzept gibt, das in den letzten Jahren aufgekommen ist, dann sind es GANs. Diese Netze, die durch Konfrontation lernen, sind besonders effizient, und wenn dieses Konzept mit dem neuesten Stand der Bildverarbeitungstechniken kombiniert wird, erh\u00e4lt man das, was wir in [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":180241,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Deep Convolutional GAN: Was ist das?<\/title>\n<meta name=\"description\" content=\"Deep Convolutional GAN (Generative Adversarial Network) ist eine Erweiterung des urspr\u00fcnglichen GAN-Modells, das speziell f\u00fcr die ...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Deep Convolutional GAN: Was ist das?\" \/>\n<meta property=\"og:description\" content=\"Neuronale Netze sind in der Welt der Daten mittlerweile allgegenw\u00e4rtig, aber wenn es ein innovatives Konzept gibt, das in den letzten Jahren aufgekommen\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-16T20:48:58+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T12:06:39+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/07\/Deep-conventional-768x422-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"422\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"Deep Convolutional GAN: Was ist das?\",\"datePublished\":\"2023-07-16T20:48:58+00:00\",\"dateModified\":\"2023-10-30T12:06:39+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\"},\"wordCount\":899,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\",\"url\":\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\",\"name\":\"Deep Convolutional GAN: Was ist das?\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-07-16T20:48:58+00:00\",\"dateModified\":\"2023-10-30T12:06:39+00:00\",\"description\":\"Deep Convolutional GAN (Generative Adversarial Network) ist eine Erweiterung des urspr\u00fcnglichen GAN-Modells, das speziell f\u00fcr die ...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Deep Convolutional GAN: Was ist das?","description":"Deep Convolutional GAN (Generative Adversarial Network) ist eine Erweiterung des urspr\u00fcnglichen GAN-Modells, das speziell f\u00fcr die ...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das","og_locale":"de_DE","og_type":"article","og_title":"Deep Convolutional GAN: Was ist das?","og_description":"Neuronale Netze sind in der Welt der Daten mittlerweile allgegenw\u00e4rtig, aber wenn es ein innovatives Konzept gibt, das in den letzten Jahren aufgekommen","og_url":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-07-16T20:48:58+00:00","article_modified_time":"2023-10-30T12:06:39+00:00","og_image":[{"width":768,"height":422,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/07\/Deep-conventional-768x422-1.png","type":"image\/png"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"6 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"Deep Convolutional GAN: Was ist das?","datePublished":"2023-07-16T20:48:58+00:00","dateModified":"2023-10-30T12:06:39+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das"},"wordCount":899,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das","url":"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das","name":"Deep Convolutional GAN: Was ist das?","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-07-16T20:48:58+00:00","dateModified":"2023-10-30T12:06:39+00:00","description":"Deep Convolutional GAN (Generative Adversarial Network) ist eine Erweiterung des urspr\u00fcnglichen GAN-Modells, das speziell f\u00fcr die ...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/180239"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=180239"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/180239\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/180241"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=180239"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=180239"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=180239"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}