Podsumowanie kursu i kolejne kroki
Powinniście już umieć:
- Poznaj różnicę między modelami generatywnymi a dyskryminacyjnymi.
- Identyfikowanie problemów, które można rozwiązać za pomocą GAN.
- Dowiedz się, jaką rolę w systemie GAN pełni generator i dyskryminator.
- Poznaj zalety i wady typowych funkcji straty GAN.
- Dowiedz się, jak rozwiązać typowe problemy z trenowaniem GAN.
- Użyj biblioteki TF GAN, aby utworzyć GAN.
Co dalej
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-02-26 UTC.
[null,null,["Ostatnia aktualizacja: 2025-02-26 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."]]],[]]
