莫烦PYTHON
学习 ▾
推荐学习顺序
Python基础 ▾
交互式学Python
多进程 multiprocessing
多线程 threading
窗口视窗 Tkinter
机器学习 ▾
有趣的机器学习
强化学习 Reinforcement Learning
进化算法 Evolutionary Algorithm
神经网络 ▾
Tensorflow
PyTorch
Theano
Keras
通用机器学习 Scikit-learn
自然语言处理
生成对抗网络
机器学习实战
数据处理 ▾
Numpy 数据怪兽
Pandas 数据伙伴
画图 Matplotlib
网页爬虫
提效工具 ▾
Git 版本管理
Linux 简易教学
MiniPy 小程序
Rethink
大家说
MiniPy
About
登录
莫烦分享：把学习内容做成闯关游戏
Rethink 来自莫烦的思考
【浏览器跑Python】交互式Python学习
生成模型 GAN 网络
基础
1.1 生成对抗网络 GAN 简介
1.2 经典款 GAN 网络
1.3 深度卷积 DCGAN
更稳定的结构与训练方法
2.1 GAN的众多问题
2.2 Least Squares GAN (LSGAN) 要不换一种loss吧
2.3 Wasserstein GAN (WGAN) 解决本质问题
2.4 WGAN with Gradient Penalty (WGAN-gp) 惩罚该罚的
2.5 Wasserstein Divergence for GANs (WGAN-div) 计算W散度
2.6 Self-Attention GAN (SAGAN) 自注意力
2.7 Progressive Growing GAN (PGGAN) 分阶段学习
按条件来生成
3.1 怎么控制GAN来生成你想要的
3.2 Conditional GAN (CGAN) 有条件的生成
3.3 Auxiliary Classifier GAN (CGAN) 分类加生成
3.4 InfoGAN 非监督条件生成
3.5 StyleGAN 混合多风格
看图"说画"
4.1 用GAN来做看图"说画"
4.2 Context-Conditional GAN (CCGAN) 猜猜我是谁
4.3 Pix2Pix 图生图
4.4 CycleGAN 无依赖风格转换
4.5 SRGAN 超清生成
