🌀 Modèles génératifs 🌀
Ce cours introduit le principe de modèles génératifs par opposition aux modèles discriminatifs. Les 4 grandes familles de modèles génératifs sont présentées et implémentées : les GAN, les VAE, les normalizing flow et les modèles de diffusion. Les modèles autoregressif ne sont pas abordés car ceux-ci ont été décrits dans le cours NLP et Transformers.
Notebook 1️⃣ : Introduction
Ce notebook introduit la différence entre modèle discriminatifs et génératifs et propose un plan du cours.
Notebook 2️⃣ : GAN
Ce notebook présente l'architecture des generative adversarial networks(GAN), leurs avantages, faiblesses et utilisations possibles.
Notebook 3️⃣ : Gan Implementation
Ce notebook propose une implémentation d'un GAN pour la génération de chiffres 5 à partir du dataset MNIST.
Notebook 4️⃣ : VAE
Ce notebook présente l'architecture des variational autoencoders (VAE) en commençant par un rappel sur les autoencodeurs puis en décrivant l'intuite et la méthode derrière l'architecture VAE.
Notebook 5️⃣ : Vae Implementation
Ce notebook propose une implémentation d'un VAE pour la génération de chiffres à partir du dataset MNIST.
Notebook 6️⃣ : Normalizing Flows
Ce notebook présente l'architecture des normalizing flows.
Notebook 7️⃣ : Diffusion Models
Ce notebook présente l'architecture des diffusion models ainsi que leurs avantages et incovénients.
Notebook 8️⃣ : Diffusion Implementation
Ce notebook propose une implémentation simple d'un modèle de diffusion pour générer des éléments sur le dataset MNIST.