Kurszusammenfassung und nächste Schritte
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
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: 2025-02-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-02-26 (UTC)."],[[["\u003cp\u003eThis webpage focuses on providing an understanding of Generative Adversarial Networks (GANs), including their applications, architecture, and training challenges.\u003c/p\u003e\n"],["\u003cp\u003eReaders will learn to differentiate between generative and discriminative models, identify problems suited for GANs, and grasp the functions of the generator and discriminator components.\u003c/p\u003e\n"],["\u003cp\u003eThe content covers various GAN loss functions with their pros and cons, along with strategies to address typical GAN training issues.\u003c/p\u003e\n"],["\u003cp\u003ePractical application is emphasized by guiding readers to use the TensorFlow GAN library for GAN creation.\u003c/p\u003e\n"],["\u003cp\u003eFurther exploration is encouraged through links to more TensorFlow GAN examples for continued learning and experimentation.\u003c/p\u003e\n"]]],[],null,["# Course Summary and Next Steps\n\n\u003cbr /\u003e\n\nYou should now be able to:\n\n- Understand the difference between generative and discriminative models.\n- Identify problems that GANs can solve.\n- Understand the roles of the generator and discriminator in a GAN system.\n- Understand the advantages and disadvantages of common GAN loss functions.\n- Identify possible solutions to common problems with GAN training.\n- Use the TF GAN library to make a GAN.\n\nWhat's Next\n-----------\n\n- Browse [more TF-GAN\n examples](https://github.com/tensorflow/gan/tree/master/tensorflow_gan/examples)."]]
