Ai创想实验室是专门为中小学AI教育开发的教学平台包含了值计算、图像分类、音频分类、文本分类、数值回归、图像回归、图像分类回归、平衡杆、手写数字生成、文本生成等中小学人工智能学习类项目。无需编程基础、无需添加硬件、无需购买算力、无隐私担忧、无需师资培训即可进行教学实践。除了默认项目我们还可以自定义项目详见上一篇【中小学AI人工智能教育】声音分类——提琴分类快速定义项目类型实例)但GAN项目中涉及一些计算本篇以使用Anime Faces数据集为例说明模型中参数的计算和调整模型大小的方法一、数据准备1、自行下载Anime Faces数据集其图像大小为64*643通道彩色图像。2、打开训练数据管理器设置输出参数如下保持64*64*33、导入一部分数据4、导出数据备用二、模型设计1、生成器模型如下我们逐一说明如何填写这些参数最终得到64*64*3①输入层100——接收一个100维度的噪声向量通常是从标准正态分布中采样。②全连接层16384——8×8×256也就是说这个值是为了后续Reshape成(8,8,256)准备的每个噪声响亮被线性变换扩展为16384个神经元——我们最终希望输出64*64每次Conv2DTranspose用strides2会把尺寸翻倍如果做3次那么起点就是88→16→32→64。这就成了256是通道数越大模型能力越强例如之前数字生成写的512但参数也越多。③Reshape重塑层(8,8,256——8高度、8宽度、256通道数C从一维变为三维为后续卷积操作做准备。④输出层到达输出层none,64,64,32→(node,64,64,3——RGB三通道。这样生成器就输出一个64*64*3的图像。2、判别器判别器没有太多需要计算的地方将其输入改为和生成器输出匹配即可64643。三、实训效果使用800个样本、上述生成器模型、上述判别器模型和默认训练参数在第5轮时依稀可以看到头像轮廓。在第10轮左右即可看到更清晰的、色彩更丰富的生成结果需要注意的是使用如此小的数据量和模型是无法得到非常清晰的图像的这完全超出它们的能力范畴。如果需要更为清晰的图像应采用更大的模型、更大的数据量以及更精细的调参这需要更强大的硬件资源才能完成。但作为以中小学课堂教学为目的的人工智能教学平台我们在不使用额外算力、仅用本机核显的条件下已经达到了理想的教学效果。在AI创想实验室中我们无需编程基础不用学习框架不用配置环境无需购买费用高昂的显卡更不用为云端算力付费使用当前已有的各种硬件仅有核显的个人、办公、机房电脑希沃白板等都能达到理想的教学效果。操作简单但AI核心知识样样俱全无需师资培训就可以进行教学且能取得理想的教学效果。如果加入试点或合作方那么只需要一台局域网服务器无需显卡、服务器不用供算力即可一次投入永久使用全部项目和功能通过后台管理一分钟即可创建一个本地化、校本化的项目实例。演示版本地址www.AiEduLab.tech有任何问题欢迎留言或发送邮件至helloAiEduLab.tech
