利用生成对抗网络对股票进行预测

Matlab-GAN：生成对抗网络的MATLAB实现-从GAN到Pixel2Pixel，CycleGAN

利用DCGAN生成对抗网络实现三通道彩色图像（花朵）的生成

用jupyter python实现的一个生成对抗网络的项目，实现生成手写数字图片，相关代码及数据集都有

Matlab的简单GAN基础：基于matlab的简单的生成对抗网络

基于facades数据集的图像成任务，可完成各种GAN的对比实验。主要包括gan, infogan, pix2pix, wgan, sgan, began, vae, cogan, cyclegan等网络。

用于Pytorch的简单StyleGan2 基于的Stylegan2的简单Pytorch实现，可以从命令行进行完全培训，无需编码。 下面是一些不存在的花。 这些手也不 这些城市也没有 这些名人也没有（由训练） 安装 您将需要一台装有GPU和CUDA的计算机。 然后pip这样安装软件包 $ pip install stylegan2_pytorch 如果您使用的是Windows计算机，则可以使用以下命令。 $ conda install pytorch torchvision -c python $ pip install stylegan2_pytorch 利用 $ styleg

AI插画师：生成对抗网络数据集。数据集包含有6万多张二次元妹子的头像。

Speech Enhancement Generative Adversarial Network in PyTorch

生成对抗网络（GAN）是无监督学习领域最近几年快速发展的一个研究方向，其主要特点是能够以一种间接的方 式对一个未知分布进行建模。在计算机视觉研究领域中，生成对抗网络有着广泛的应用，特别是在图像生成方面，与其他的 生成模型相比，生成对抗网络不仅可以避免复杂的计算，而且生成的图像质量也更好。