Startseite Projekte zi2zi
zi2zi
Python

zi2zi

Chinesische Schriftzeichen-Stil lernen mit bedingtem GAN

von kaonashi-tyc · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
chinese-charactersdeep-learningdeep-neural-networksApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Trainieren Sie ein Modell, um verschiedene Stile chinesischer Schriftzeichen mit Deep Learning zu erstellen.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
zi2zi — GitHub preview card
📈 Sternhistorie
2 7412 736
2026-07-072026-08-31
📈 zi2zi verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Chinesische Schriftzeichen-Stil lernen mit bedingtem GAN

zi2zi hat 2.7k Sterne auf GitHub. Es wurde 481-mal geforkt. zi2zi ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. zi2zi ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: chinese-characters, deep-learning, deep-neural-networks, deeplearning.

Frequently asked questions

Was ist zi2zi?

Chinesische Schriftzeichen-Stil lernen mit bedingtem GAN

Ist zi2zi Open Source?

zi2zi ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist zi2zi kostenlos?

Ja. zi2zi ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht zi2zi?

zi2zi ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist zi2zi geschrieben?

zi2zi ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — zi2zi

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=kaonashi-tyc-zi2zi)](https://olud.ai/project/kaonashi-tyc-zi2zi.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.