Riepilogo del corso e passaggi successivi
Adesso dovresti essere in grado di:
- Comprendi la differenza tra modelli generativi e discriminativi.
- Identifica i problemi che le GAN possono risolvere.
- Comprendi i ruoli del generatore e del discriminatore in un sistema GAN.
- Scopri i vantaggi e gli svantaggi delle funzioni di perdita GAN comuni.
- Identifica possibili soluzioni ai problemi comuni dell'addestramento GAN.
- Utilizza la libreria TF GAN per creare una GAN.
Passaggi successivi
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-01-13 UTC.
[null,null,["Ultimo aggiornamento 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."]]],[]]
