Kurszusammenfassung und nächste Schritte
Folgendes sollten Sie jetzt können:
- Der Unterschied zwischen generativen und diskriminativen Modellen
- Probleme identifizieren, die mit GANs gelöst werden können
- Die Rolle des Generators und des Diskriminators in einem GAN-System verstehen
- Vorteile und Nachteile gängiger GAN-Verlustfunktionen
- Mögliche Lösungen für häufige Probleme beim GAN-Training identifizieren
- Mit der TF GAN-Bibliothek ein GAN erstellen
Weitere Informationen
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-01-13 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-01-13 (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."]]],[]]