Transfer Learning GAN
Transfer Learning GAN memulakan Rangkaian Permusuhan Generatif — atau kedua-dua penjana dan diskriminatornya — daripada pemberat yang telah dilatih awal pada set data sumber yang besar, kemudian menyempurnakan rangkaian pada set data sasaran yang lebih kecil. Pendekatan ini membolehkan pemodelan generatif berkualiti tinggi walaupun apabila data domain sasaran adalah terhad, dengan menggunakan semula perwakilan ciri peringkat rendah dan pertengahan yang dipelajari pada skala.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A. & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27, 2672–2680. link ↗
- Wang, Y. & Ramanan, D. (2018). Transferring GANs: generating images from limited data. European Conference on Computer Vision (ECCV), 11205, 220–236. DOI: 10.1007/978-3-030-01231-1_14 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/ms/deep-learning/transfer-learning-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- GAN Adaptasi DomainPembelajaran Mendalam↔ compare
- Jaringan Lawan Janaan yang Ditalar HalusPembelajaran Mendalam↔ compare
- Rangkaian Generatif AdversarialPembelajaran Mendalam↔ compare
- Pembelajaran Pindahan dengan Rangkaian Neural KonvolusiPembelajaran Mendalam↔ compare
- Pembelajaran Pemindahan dengan Model PenyebaranPembelajaran Mendalam↔ compare
- Autoenkoder VariasiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →