Chevron Left
Retour à Deep Learning with PyTorch : Neural Style Transfer

Avis et commentaires pour d'étudiants pour Deep Learning with PyTorch : Neural Style Transfer par Coursera Project Network

86 évaluations

À propos du cours

In this 2 hour-long project-based course, you will learn to implement neural style transfer using PyTorch. Neural Style Transfer is an optimization technique used to take a content and a style image and blend them together so the output image looks like the content image but painted in the style of the style image. We will create artistic style image using content and given style image. We will compute the content and style loss function. We will minimize this loss function using optimization techniques to get an artistic style image that retains content features and style features. This guided project is for learners who want to apply neural style transfer practically using PyTorch. In order to be successful in this guided project, you should be familiar with the theoretical concept of neural style transfer, python programming, and convolutional neural networks.A google account is needed to use the Google colab environment....

Meilleurs avis


6 janv. 2022

great guided project , learn NST, pytorch, vgg architecture before starting and there are some exceptions in the code feel free to search in stackoverflow.


16 déc. 2020

The understanding in this course is amazing and very satisfying. I will recommended to my friends to take this one.

Filtrer par :

1 - 17 sur 17 Avis pour Deep Learning with PyTorch : Neural Style Transfer

par Jose L M M

13 juin 2021

par Immadi S P

7 janv. 2022

par Vatsal K M

17 déc. 2020


22 févr. 2021

par Kartik D

16 janv. 2021

par 19020587 P H N

18 déc. 2021

par Sania Z

27 sept. 2021

par Gabriel F

14 sept. 2021

par Huyy N

12 juil. 2021

par Kenneth N

28 juil. 2022

par Tarun K

18 nov. 2021

par Yutaro O

14 mai 2021

par Monish

5 août 2021

par Jung S

17 sept. 2021

par Frank W

2 nov. 2021

par Christos G

6 déc. 2020

par Vitor G

4 oct. 2022