Resumen del curso y próximos pasos
Deberían poder hacer lo siguiente:
- Comprender la diferencia entre los modelos generativos y discriminativos
- Identificar problemas que las GAN pueden resolver
- Comprender los roles del generador y el discriminador en un sistema de GAN
- Comprende las ventajas y desventajas de las funciones de pérdida de GAN comunes.
- Identifica posibles soluciones a problemas comunes con el entrenamiento de GAN.
- Usa la biblioteca de GAN de TF para crear una GAN.
Pasos siguientes
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-02-26 (UTC)
[null,null,["Última actualización: 2025-02-26 (UTC)"],[[["This webpage focuses on providing an understanding of Generative Adversarial Networks (GANs), including their applications, architecture, and training challenges."],["Readers will learn to differentiate between generative and discriminative models, identify problems suited for GANs, and grasp the functions of the generator and discriminator components."],["The content covers various GAN loss functions with their pros and cons, along with strategies to address typical GAN training issues."],["Practical application is emphasized by guiding readers to use the TensorFlow GAN library for GAN creation."],["Further exploration is encouraged through links to more TensorFlow GAN examples for continued learning and experimentation."]]],[]]