Ringkasan Kursus dan Langkah Berikutnya
Sekarang Anda dapat:
- Memahami perbedaan antara model generatif dan diskriminatif.
- Identifikasi masalah yang dapat dipecahkan oleh GAN.
- Memahami peran generator dan diskriminator dalam sistem GAN.
- Memahami kelebihan dan kekurangan fungsi kerugian GAN yang umum.
- Identifikasi kemungkinan solusi untuk masalah umum dengan pelatihan GAN.
- Gunakan library TF GAN untuk membuat GAN.
Langkah Berikutnya
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-01-13 UTC.
[null,null,["Terakhir diperbarui pada 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."]]],[]]