Resumo do curso e próximas etapas
Você agora pode fazer o seguinte:
- Entenda a diferença entre modelos generativos e discriminativos.
- Identificar problemas que as GANs podem resolver.
- Entenda as funções do gerador e do discriminador em um sistema GAN.
- Entenda as vantagens e desvantagens das funções de perda de GAN comuns.
- Identifique possíveis soluções para problemas comuns com o treinamento de GAN.
- Use a biblioteca TF GAN para criar uma GAN.
A seguir
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-02-26 UTC.
[null,null,["Última atualização 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."]]],[]]
