课程主页: https://www.coursera.org/learn/generative-deep-learning-with-tensorflow
在当今人工智能快速发展的时代，生成深度学习已成为一种重要的技术。Coursera上的“生成深度学习与TensorFlow”课程，旨在带领学习者掌握生成对抗网络（GAN）、变分自编码器（VAE）等先进的深度学习技术。本课程共分为四周，逐步深入生成模型的整体现象。
第一周：风格迁移
本周，学习者将学习如何通过迁移学习提取图像的内容（例如天鹅的形象）以及绘画的风格（例如立体派或印象派），并将这两者结合到新图像中。这种神经风格迁移技术，将会使你在图像处理上获得全新的视角。
第二周：自编码器
进入第二周，学习者将会了解自编码器的概念及其在TensorFlow中的构建方法。你将会在熟悉的MNIST数据集上构建简单的自编码器，并在Fashion MNIST数据集上尝试更复杂的深度和卷积架构。同时，课程将使你明白DNN和CNN自编码器模型的差异，并学习如何对噪声图像进行去噪处理，最终使用TensorFlow构建CNN自编码器，输出干净的图像！
第三周：变分自编码器
本周探索变分自编码器（VAEs），这种技术允许学习者生成全新的数据。在本周的作业中，学习者将生成动漫角色面孔，并与参考图像进行比较，帮助你更好地理解生成模型的能力。
第四周：生成对抗网络（GANs）
最后一周，学习者将深入了解生成对抗网络（GANs）。你将会学习到GAN的基本概念、其架构以及与VAEs的不同之处。同时，将学习生成器和判别器的功能及其作用，探讨引入噪声的概念，并在本周结束时构建自己的GAN，以生成面孔。这是你在课程中最酷的体验之一！
总的来说，这门课程内容丰富，涵盖了生成深度学习的多个重要方面，适合希望深入学习深度学习领域的学生和专业人士。通过实际操作，学生不仅能提高自己的理论水平，也能在实践中熟悉TensorFlow的应用。
课程主页: https://www.coursera.org/learn/generative-deep-learning-with-tensorflow