कोर्स की खास जानकारी और अगले चरण
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
अब आपके पास ये काम करने के विकल्प हैं:
- जनरेटिव और डिस्क्रीमिनेटरी मॉडल के बीच का अंतर समझें.
- उन समस्याओं की पहचान करना जिन्हें जीएएन हल कर सकते हैं.
- GAN सिस्टम में जनरेटर और डिस्करिमिनेटर की भूमिकाओं को समझना.
- सामान्य GAN लॉस फ़ंक्शन के फ़ायदों और नुकसानों को समझना.
- जीएएन ट्रेनिंग की मदद से, आम समस्याओं के संभावित समाधानों की पहचान करना.
- जीएएन बनाने के लिए, TF GAN लाइब्रेरी का इस्तेमाल करें.
आगे क्या करना है
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-02-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-02-26 (UTC) को अपडेट किया गया."],[[["\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)."]]
