Bloc 3 : Modèles génératifs profonds

Ce chapitre correspond à cinq séances de cours.

Le support écrit de ce cours est en phase de création.

Introduction aux modèles génératifs/auto-encodeurs

(1 séance)

• [Diapositives du cours]

• Travaux pratiques : modèles génératifs classiques

Explications écrites :

• Introduction aux modèles génératifs
  • Du modèle génératif au modèle discriminatif
  • Exemple du modèle de mélange gaussien
  • Chaînes de Markov
  • Auto-encodeurs
  • Espaces latents

Auto-encodeurs variationnels

(2 séances)

• [Diapositives du cours]

• Travaux pratiques : auto-encodeurs variationnels

• [Diapositives du cours]

• Travaux pratiques : VAE conditionnel et PixelCNN

Explications écrites :

• Auto-encodeurs variationnels
  • Inférence variationnelle
  • Auto-encodeur variationnel
    • Algorithme d’apprentissage
    • Une autre vision du VAE
    • Auto-encodeur variationnel conditionnel
    • Pour aller plus loin
      • Références

Réseaux génératifs antagonistes

(2 séances)

• [Diapositives du cours (partie 1/2)]

• Travaux pratiques : réseaux génératifs antagonistes

• [Diapositives du cours (partie 2/2)]

• Travaux pratiques : espaces latents des GAN

• Réseaux génératifs antagonistes
  • Algorithme d’optimisation
    • Justification théorique
    • Wasserstein GAN
  • GAN conditionnels
    • GAN avec classifieur auxiliaire
  • Architectures des réseaux génératifs antagonistes
    • GAN convolutifs
    • Stabilisation de l’apprentissage du GAN
    • PatchGAN
    • Pix2Pix
    • CycleGAN
    • StyleGAN
  • Pour aller plus loin
    • Références