mnist_dcgan_tf2.h5用于手写体数字生成模型，为预训练权重，配合https://blog.csdn.net/zhaoguanghe/article/details/103937962文章使用。

基于tensorflow实现的DCGAN，自动生成动漫头像(内有头像数据爬取和裁剪函数)，也可以生成任意数据集（将数据文件夹放于data文件夹下即可，如data/faces/*.jpg）

这只是我本科毕业答辩的PPT，对应代码之后再发布，网络有Resnet、Alexnet、VGGNet、SqueezeNet，数据增强方式有常规数据增强和DCGAN数据增强

CVAE-GAN-ZOOS-PyTorch-初学者 首先先感谢给小透明点赞的几个朋友。 中文讲解： 如果你是第一次接触AE自编码器和GAN生成对抗网络，那这将会是一个非常有用且效率的学习资源。所有的内容使用PyTorch编写，编写格式清晰，非常适合PyTorch新手作为学习资源。本项目的所有模型当前都是基于MNIST数据库进行图片生成。MNIST数据集是一个比较小，一个光CPU可以运行起来的小数据库。新人友好数据库。 本项目包含以下模型：AE（自编码器），DAE（降噪自编码器），VAE（变分自编码器），GAN（对抗生成网络），CGAN（条件对抗生成网络），DCGAN（深度）卷积对抗生成网络），WGAN（Wasserstain对抗生成网络），WGAN-GP（基于渐变惩罚的WGAN），VAE-GAN（变分自编码对抗生成网络），CVAE-GAN（条件变分自编码对抗生成）网络）PS：部分英文翻译的

pip install [文件所在位置/opencv_python-4.2.0.32.dist-info.zip]

今天我们利用DC-GAN来做训练一下自己的数据集，想要看看其逼真效果如何，准备用它来做做数据增强的工作。下面我们具体阐述一下步骤： 1.准备好自己的数据集 通过github下载DCGAN-tensorflow的代码，送上链接： [https://github.com/carpedm20/DCGAN-tensorflow] 然后在其根目录下建立data文件夹，进入data文件夹，建立自己的数据集。 将其命名为licence,(你的数据集自己取名),然后进入main界面代码，我们主要介绍需要使用的参数。 2.修改相关参数 注意：相关参数我已经根据我的需求进行了修改，当然你也可以不用修改直接在cm

GAN、DCGAN、WGAN、CGAN的原理以及它们的优缺点的总结ppt。

利用DCGAN生成对抗网络实现三通道彩色图像（花朵）的生成

GAN 和 DCGAN 网络生成图像,采用python语言编写程序实现生成网络，并给出网络的具体训练代码

DCGAN人脸生成项目。