[NeurIPS 2020] Augmentation différentiable pour un entraînement GAN efficace en données
Entraînez des modèles IA à générer des images en utilisant seulement un petit nombre d'images d'exemple avec des techniques avancées.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout moment[NeurIPS 2020] Augmentation différentiable pour un entraînement GAN efficace en données
data-efficient-gans compte 1.3k étoiles sur GitHub. Il a été forké 174 fois. data-efficient-gans est écrit principalement en Python. Il est développé activement depuis 2020. data-efficient-gans est disponible sous licence BSD-2-Clause. Ses principaux thèmes sont : data-efficient, gans, generative-adversarial-network, image-generation.
[NeurIPS 2020] Augmentation différentiable pour un entraînement GAN efficace en données
data-efficient-gans est un projet open source. Il est distribué sous licence BSD-2-Clause.
Oui. data-efficient-gans est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
data-efficient-gans est disponible sous licence BSD-2-Clause.
data-efficient-gans est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/mit-han-lab-data-efficient-gans.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.