Transfer Learning GAN
Transfer Learning GAN khởi tạo một Mạng đối nghịch sinh (Generative Adversarial Network) — hoặc cả bộ sinh và bộ phân biệt — từ các trọng số được huấn luyện trước trên một tập dữ liệu nguồn lớn, sau đó tinh chỉnh mạng trên một tập dữ liệu đích nhỏ hơn. Phương pháp này cho phép mô hình hóa sinh chất lượng cao ngay cả khi dữ liệu miền đích khan hiếm, bằng cách tái sử dụng các biểu diễn đặc trưng cấp thấp và cấp trung được học ở quy mô lớn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/vi/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 thích ứng miềnHọc sâu↔ compare
- Mạng đối nghịch được tinh chỉnhHọc sâu↔ compare
- Generative Adversarial NetworkHọc sâu↔ compare
- Transfer Learning với Mạng Nơ-ron Tích chậpHọc sâu↔ compare
- Chuyển giao kiến thức với Mô hình Khuếch tánHọc sâu↔ compare
- Bộ tự mã hóa biến phânHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →