继续开一个GAN的专题:主要分以下几个板块
1.GAN
2.DCGAN
3.WasserteinGAN
4.cGAN(GAN+监督学习)SGAN/ACGAN(GAN+半监督学习)InfoGAN(GAN+无监督性学习)
5.StackGAN(文本到高质量图片)
6.iGAN(图像到图像) Pix2Pix(匹配数据图像转换) CycleGAN(非匹配数据转换) StarGAN(多领域图像转换)
7.GAN应用:图像去模糊、人脸生成、音频生成;GAN与艺术:AI创造艺术/AI辅助式设计
8. 未来研究热点
一、前言
1999, DeepBlue击败卡斯帕罗夫。
2006,浪潮天梭击败中国象棋大师队。
2016,Alphago击败围棋九段李世石。
Ian Goodfellow发明GAN。与GAN相关的论文的数量也迎来了井喷式上升。
截止2018年12月GAN最全论文合集,在上学期一门课上也是自己写了简单的GAN作业代码。
简而言之,GAN分为两个网络,一部分是Generator生成器,作用是根据噪声生成数据,结构一般是一个反向传播神经网络,另一部分是Discriminator来识别数据来源是生成器生成的数据和真实数据,他需要分别出真实的数据来源或者是生成的数据来源。
二、预备知识及工具
1.Python语言:可参考[py语法]非计算机专业的同学如何半个小时搞懂py3的语法,这个仅作为快速的一种学习。
2.Jupyter编译器:这里推荐Jupyter作为实验的编译器,相关环境配置win10+Anaconda3+tensorflow(gpu)+cuda9.0+cudnn7.1+ide(sublime)+好用的科学工具包配置。
3.Tensorflow:关注专栏:实战Google深度学习框架:TensorFlow,主要使用的是tf。
4.Keras:关注专栏:Python深度学习——Deeplearning with Python,主要使用的是keras。
5.Floyd:《生成对抗网络GAN入门指南》书上推荐使用Floyd