Início Projetos gansformer
gansformer

gansformer

por dorarad · GitHub

Transformadores Adversariais Generativos

Ver no GitHub
Em palavras simples

Gere imagens usando um modelo de IA único que aprende de forma eficiente e cria visuais de alta qualidade.

⭐ Estrelas
🍴 Forks
📜 Licença
Uso comercial permitido
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
gansformer — GitHub preview card
📈 Histórico de estrelas
1 3481 347
2026-07-202026-07-29
📈 Acompanhe gansformer

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Transformadores Adversariais Generativos

gansformer tem 1.3k estrelas no GitHub. Foi bifurcado 152 vezes. gansformer é escrito principalmente em Python. Está em desenvolvimento ativo desde 2021. gansformer está disponível sob a licença MIT. Os seus principais temas são: attention, compositionality, gans, generative-adversarial-networks.

Frequently asked questions

O que é gansformer?

Transformadores Adversariais Generativos

gansformer é de código aberto?

gansformer é um projeto de código aberto. É distribuído sob a licença MIT.

gansformer é gratuito?

Sim. gansformer é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está gansformer?

gansformer está disponível sob a licença MIT.

Em que linguagem gansformer está escrito?

gansformer é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — gansformer

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=dorarad-gansformer)](https://opensourceai.tech/project/dorarad-gansformer.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.