Краткое содержание курса и следующие шаги
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Теперь вы сможете:
- Поймите разницу между генеративными и дискриминативными моделями.
- Определите проблемы, которые могут решить GAN.
- Поймите роли генератора и дискриминатора в системе GAN.
- Поймите преимущества и недостатки общих функций потерь GAN.
- Определите возможные решения распространенных проблем, связанных с обучением GAN.
- Используйте библиотеку TF GAN, чтобы создать GAN.
Что дальше
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2025-02-26 UTC.
[null,null,["Последнее обновление: 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)."]]
