深度学习-对抗生成网络实战(GAN).zip

一篇GAN的论文总结，主要介绍了生成对抗网络及其后续改进模型。

使用tensorrt来加速推理一个简单的GAN模型，生成卡通人物的头像

Quantum-AnoGAN:这是用于异常检测的混合量子经典Ano-GAN算法的实现，其测试专门针对在智能电网的网络攻击场景下测试该算法

Social GAN——可视化-附件资源

这是我3.13-3.20这一周的学习情况，学习李宏毅老师的几个深度学习视频，同时我在学习两篇论文《一种硬盘故障预测的非监督对抗学习方法》和《Lifelong Disk Failure Prediction via GAN-based Anomaly Detection》后的一个文章脉络及内容分析，也就是总结收获啦，PPT的图片档已经上传至博客中，大家可以翻看到，但是会有不少动画在PPT中帮助理解，如果需要，下载PPT就好了，如有不对的地方，请指正，共同学习进步

pytorch-GAN 我的项目： 原始代码地址 项目进度 它适用于cifar10。 可以通过电子邮件获取详细信息。 mnist的结果 可以使用以下命令重现以下结果： python main.py --dataset mnist --gan_type --epoch 40 --batch_size 64 固定代 所有结果都是从固定噪声矢量生成的。 名称 纪元1 时代20 时代40 GIF 甘 CGAN VAE CVAE 威根 LSGAN 依宾 ACGAN infoGAN 萨根 用于标签的GAN 名称 纪元1 时代20 时代40 GIF CGAN CVAE ACGAN infoGAN 损失图 名称 失利 甘 CGAN VAE CVAE 威根 LSGAN 依宾 ACGAN infoGAN 萨根 资料

派托克·甘（PytorchGAN） 人脸-使用GAN和Pytorch正面实现

pix2pixHD能够利用条件GAN进行2048x1024分辨率的图像合成和处理，输入语义标注图生成接近真实的现实世界图像，例如街景图、人脸图像等，并且只需简单的操作即可修改和搭配图像，效果优于pix2pix和CRN等先前的方法。

The codes of paper "Long Text Generation via Adversarial Training with Leaked Information" on AAAI 2018. Text generation using GAN and hierarchical reinforcement learning.