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。

针对生成对抗网络（GAN）这一热点模型，介绍其发展和应用的趋势。本文主要对比了现有几种典型的生成对抗网络模型及其变体：生成对抗网络（GAN）、条件生成对抗网络（CGAN）、深度卷积生成对抗网络（DCGAN）、半监督生成对抗网络（SGAN）信息生成对抗网络（InfoGAN）。同时本文系统地总结了生成对抗网络各种变体在计算机视觉领域的主要应用及性能优劣。文章最后分析了生成对抗网络存在的问题，以及对生成对抗网络研究趋势做了总结和展望。

1 数据结构大作业题目 MFC界面 接受用户输入的 表达式 计算后 可以生成 函数图像 用到了 中缀转后缀 并用后缀计算 2 利用资源管理器CPU 画 任意曲线~~~

基于对抗生成网络的深度学习图像生成。UNSUPERVISED CROSS-DOMAIN IMAGE GENERATION、for ICLR2017 （from arxiv）

This book is for data scientists, machine learning (ML) developers, and deep learning practitioners looking for a quick reference to tackle challenges and tasks in the GAN domain. Familiarity with machine learning concepts and a working knowledge of the Python programming language will help you get the most out of the book.