生成对抗网络 GAN的应用很多，但是在这里我将实现一些概念证明，以便更好地学习该网络的基础并使用Pytorch进行编码。 内容 1- GAN-MNIST：在MNIST数据集上使用线性层实现的GAN 优化程序判别器：Adam，学习率= 0.0002，β=（0.4，0.999）。 优化程序生成器：Adam，学习率= 0.0002，β=（0.4，0.999）。 标准：二元交叉熵 30纪元 2- GAN-CELEBA：受过训练的Generator在CELEBA数据集上使用它，已个性化以从GAN_G