Le reti generative avversarie (GAN) sono un'interessante innovazione recente nel campo del machine learning. Le GAN sono modelli generativi: creano nuove istanze di dati simili ai dati di addestramento. Ad esempio, le GAN possono creare immagini che sembrano fotografie di volti umani, anche se i volti non appartengono a persone reali. Queste immagini sono state create da un GAN:
Le GAN raggiungono questo livello di realismo accoppiando un generatore, che impara a produrre l'output target, con un discriminatore, che impara a distinguere i dati veri dall'output del generatore. Il generatore cerca di ingannare il discriminatore, che a sua volta cerca di non farsi ingannare.
Questo corso illustra le nozioni di base sulle GAN e come utilizzare la libreria TF-GAN per crearle.
[null,null,["Ultimo aggiornamento 2025-02-26 UTC."],[[["Generative adversarial networks (GANs) are generative models that create new data instances resembling training data, such as images that look like real photographs but are not of actual people."],["GANs consist of a generator that learns to produce the target output and a discriminator that learns to distinguish real data from generated data, working in tandem to enhance the realism of the output."],["This course covers GAN fundamentals, common GAN loss functions, training challenges, and using the TF-GAN library to build GANs, assuming prior knowledge of machine learning and TensorFlow."],["Completing Machine Learning Crash Course and having some TensorFlow programming experience are prerequisites for this GANs course."]]],[]]
