结合B站的视频一起看：https://www.bilibili.com/video/av24011528/?p=1

CycleGAN-VC2-PyTorch | 这段代码是用于纸张的PyTorch实现： ，是有关语音转换/语音克隆的工作。 数据集 风投 中国男性演讲者（AISHELL 和） 用法 训练 例子 演示版 参考 更新 2020.11.17 ：修复的问题：重新实施第二步的逆向损失。 2020.08.27 ：通过添加第二步的逆向性损失 循环GAN-VC2 为了推进非并行VC的研究，我们提出了CycleGAN-VC2，它是CycleGAN-VC的改进版本，结合了三种新技术：改进的目标（两步对抗损失），改进的生成器（2-1-2D CNN） ）和改进的鉴别器（GAN修补程序）。 该存储库包含： 实施本文的。 ，可用于创建缓存。 来训练模型。 -训练后转换的结果。 目录 要求 pip install -r requirements.txt 用法 预处理 python pre

重新利用GAN 最小实现 w /交互式jupyter笔记本贴标签工具 一键分割 来自CNN-S的结果经过了100步训练，并带有一个带注释的图像

利用GAN网络生成动漫图像，python语言。

train.tfrecords用于二次元动漫头像生成模型，为TFRecord数据，包含约60000张动漫图像。

研究论文中建议的生成对抗网络 (GAN) 的 MATLAB 实现集合。 它包括 GAN、conditional-GAN、info-GAN、Adversarial AutoEncoder、Pix2Pix、CycleGAN 等，模型应用于不同的数据集，如 MNIST、celebA 和 Facade。

34种GAN网络，可以满足平时对GAN网络的学习和理解

给大家分享一套视频教程，GAN生成对抗网络入门与实战，配套资料齐全。希望对大家学习有帮助，给个好评哦。

GAN生成对抗网络入门与实战视频教程，完整版，提供源码和数据下载。本课程深入讲解近年来复杂分布上无监督学习方法——生成对抗网络（GAN）的原理与应用实例。 课程深入浅出，从深度学习（tensorflow）基础讲起，既有原理的介绍，又对实现代码做了精讲。为使课程简单易懂，代码实现全部从简，使用简洁的代码实现各种各样的GAN实例。

基于GAN的少样本人脸迁移(变脸)