Generative adversarial networks optimisation

Abstract

Данная работа представляет исследование двух популярных методов оптимизации нейросетей в задаче обучения генеративно-состязательных сетей. Были собраны датасеты из изображений хорошего качества и проведены эксперименты для каждого из методов. Была экспериментально показана применимость методов и проведен их сравнительный анализ по выбранным параметрам.

This work provides the research on two popular methods of neural networks optimisation: transfer learning and knowledge distillation for task of learning generative-adversarial networks (GANs). Using gathered datasets of high quality images the experiment was done for each of the methods. It has been shown that those methods are valid for GANs and comparative analysis has been implemented.