gans-awesome应用程序 精选的GAN应用程序和演示清单。 注意：列表中不包括针对简单图像生成的常规GAN论文，例如DCGAN，BEGAN等。 我主要关心应用程序。 我尊重的标志性论文。 生成对抗网络， ， 深度卷积生成对抗网络的无监督表示学习， ， 训练GAN的改进技术， ， 开始：边界均衡生成对抗网络， ， 内容 使用此内容列表，或直接按Command + F搜索关键字 使用GAN的应用程序 字体生成 使用条件GAN学习汉字样式， ， 通过单阶段很少学习的艺

使用PyTorch实施GAN和DCGAN 该项目中实现的生成对抗网络和深度卷积生成对抗网络基于Goodfellow等人的论文“”。 和分别由Soumith Chintala撰写的“”。 除了DCGAN以外，在过去2到3年中已经引入了许多有关GAN的扩展，但它仍然是计算机视觉或深度学习中最受关注的领域。 GAN： 通用对抗网络及其逆向网络家族（包括DCGAN）是两个相互竞争以创建与输入非常相似的输出的神经网络。 这两个网络（生成器和鉴别器）正在发挥对抗性作用。 生成器网络根据输入图像根据随机

创建图像 使用生成图像 大部分的图像预处理和绘图代码均来自分配3 依存关系： 脾气暴躁的 Matplotlib 火炬 火炬视觉 资料集： CIFAR-10（32x32x3）形状 另外， 在签出笔记本文件以进行更多交互地了解。

gans：生成对抗网络 在PyTorch和Tensorflow中实现了多个生成对抗网络（GAN）。 ，以获取有关Generative Networks的介绍。 香草甘氨酸 在这个项目中发现的香草GAN是根据Goodfellow等人的原始论文《 开发的。 这些在上进行了训练，并学会了使用二维输入图像的一维矢量表示来创建手写数字图像。 训练前后，类似MNIST的生成图像。 直流电源 此存储库中的深度卷积生成对抗网络（DCGAN）是基于Radford等人的原始论文《进行而开发的。 这些都是在和