Краткое содержание курса и следующие шаги
Теперь вы сможете:
- Поймите разницу между генеративными и дискриминативными моделями.
- Определите проблемы, которые могут решить GAN.
- Поймите роли генератора и дискриминатора в системе GAN.
- Поймите преимущества и недостатки общих функций потерь GAN.
- Определите возможные решения распространенных проблем, связанных с обучением GAN.
- Используйте библиотеку TF GAN, чтобы создать GAN.
Что дальше
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2024-08-13 UTC.
[null,null,["Последнее обновление: 2024-08-13 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."]]],[]]
