Le scénario
Un data scientist entraîne un GAN pour générer des données synthétiques destinées à l’augmentation de données.
Ce que contient ce dessin
Comprenez les décisions qui le sous-tendent.
01
Déterminer s’il faut séparer l’entraînement du discriminateur sur les données réelles et synthétiques
02Choisir le critère de convergence
seuil de perte ou nombre fixe d’époques
03
Équilibrer la fréquence de mise à jour du générateur et du discriminateur à chaque époque
À utiliser pour concevoir ou expliquer des workflows d’entraînement GAN destinés à la génération de données synthétiques, notamment dans des pipelines de production.