gan

長文解釋生成對抗網路GAN的詳細原理（20分鐘閱讀）

Yann LeCun將其描述為「過去10年機器學習中最有趣的想法」。當然，來自深度學習領域這樣一位傑出研究人員的這種稱讚總是對我們所談論的主題的一個很好的廣告！

生成對抗網路GANs的初學者介紹，原理解釋 – 附代碼

一陣子英偉達的StyleGAN可謂是火了一把，近日又出大招了！以往圖像到圖像轉換需要大量的圖像做訓練樣本，但是在英偉達的這項工作中，僅需小樣本就可以做到圖像到圖像的轉換(代碼已開源)！

閱讀生成性對抗性網路（GAN）研究和評估如何開發然後實現您自己的GAN以生成手寫數字

本文是GAN系列的一部分，我們將研究為什麼培訓如此難以捉摸。通過這項研究，我們了解了一些驅動許多研究人員方向的基本問題。我們將研究一些分歧，以便我們知道研究可能會去哪裡。在研究這些問題之前，讓我們快速回顧一下GAN方程。

5年前，GANs開始了深度學習的革命。這場革命產生了一些重大的技術突破。本文將詳細介紹 GAN 的歷史以及不同模型的效果。

與其他領域相比，機器學習/人工智慧現在似乎有更高頻率的超級有趣的發展。

浙大、悉尼大學等高校研究員提出MirrorGAN，作為全局-局部注意和語義保持的文本-圖像-文本框架，解決文本描述和視覺內容之間的語義一致性問題，並在COCO數據集上刷新了記錄。

生成對抗神經網路（ GANs ）是深度學習下一步發展的關鍵，它在很多領域都有很大的應用前景。但 GANs 的繁榮還需要跨過硬體和框架這兩座高山。

TorchGAN 是基於 PyTorch 的 GAN 設計開發框架。該框架旨在為流行的 GAN 提供構造模塊，且允許為前沿研究進行定製化。