Podsumowanie kursu i kolejne kroki
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
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."],[[["\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)."]]
