已经配置好了预训练模型和训练好的模型 已经配置好了下载为鸟类预处理的元数据 除了没有CUB-birds的图像数据集，其他文件都已经下载并配置好了。 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现 下载后需要安装环境 >pip install python-dateutil > pip install easydict > pip install pandas > pip install torchfile nltk > pip install scikit-image 可能需要额外安装的环境，根据提示进行补充： > pip install torchvision

50 GAN利用NAS寻找最佳GAN：AutoGAN架构搜索方案专为GAN打造.docx

pytorch实现的各类gan结构 ACGAN CGAN DCGAN INFOGAN SGAN WGAN pytorch版本1.6

- 使用GAN生成动漫人物头像

论文“使用GAN合成真实压力ECG”的资料库 我建议您阅读本文，以更好地了解项目的想法和范围。 它们位于文件夹下。 前处理 从下载数据库 由于数据库是成组的，因此我们将根据此映射重命名每个文件夹中的每个ECG文件 组2-> 重命名g2 组3-> 重命名g3 组4-> 重命名g4 VP02 0 VP03 20 VP61 38 VP05 1个 VP06 21岁 VP62 39 VP08 2个 VP09 22 VP63 40 VP11 3 VP12 23 VP64 41 VP14 4 VP15 24 VP65 42 VP17 5 VP18 25 VP66 43 VP20 6 VP24 26 VP68 44 VP23 7 VP27 27 VP69 45 VP26 8 VP30 28岁 VP7

用深度学习生成钢琴音乐，Generate Piano Instrumental Music by Using Deep Learning,基于GAN，tensorflow 2.0。

适用于小型和高分辨率图像集的快速稳定的GAN-pytorch 该文件的正式pytorch实施“走向更快，更稳定的GAN训练，以实现高保真的少量拍摄图像合成”，可在找到该文件。 0.数据 本文中使用的数据集可以在上找到。 在对20多个数据集进行测试后，每个数据集的图像少于100个，该GAN会收敛到其中的80％。 对于该GAN可以收敛的数据集，我仍然无法总结出明显的“良好属性”模式，请随时尝试使用您自己的数据集。 1.说明 该代码的结构如下： models.py：所有模型的结构定义。 operation.py：培训过程中的辅助功能和数据加载方法。 train.py：代码的主要条目，执行此文件以训练模型，中间结果和检查点将自动定期保存到文件夹“ train_results”中。 eval.py：将图像从受过训练的生成器生成到文件夹中，该文件夹可用于计算FID分数。 基准测试：我们用

里面包含多种gan网络，不同网络实现不同效果风格化

CycleGAN-VC3-PyTorch | 该代码是PyTorch的纸上实现： ，这是有关语音转换/语音克隆的工作。 数据集 风投 用法 训练 例子 演示版 参考 循环GAN-VC3 非并行语音转换（VC）是一种无需使用并行语料库即可学习源语音和目标语音之间的映射的技术。 最近，CycleGAN-VC [3]和CycleGAN-VC2 [2]在此问题上已经显示出令人鼓舞的结果，并已被广泛用作基准测试方法。 但是，由于CycleGAN-VC / VC2对mel谱图转换的有效性不明确，即使比较方法采用mel谱图作为转换目标，它们也通常用于mel-cepstrum转换。 为了解决这个问题，我们研究了CycleGAN-VC / VC2对梅尔谱图转换的适用性。 通过初步实验，我们发现它们的直接应用损害了在转换过程中应保留的时频结构。 为了解决这个问题，我们提出了CycleGAN-V

GAN从头开始 仅使用NumPy和Python建立的创生对抗网络。 生成器和鉴别器示例图形数据，鉴别器学会辨别真伪数据，而生成器学会通过生成真实外观的图形数据来欺骗鉴别器。 享受！ 怎么跑 要运行该程序，只需安装NumPy并运行main.py pip install numpy python main.py