生成式对抗网络GAN必读十篇论文（附论文和代码地址）

生成式对抗网络（Generative Adversarial Networks, GAN ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。由 Ian Goodfellow 首先提出，在这两年更是深度学习中最热门的东西，仿佛什么东西都能由 GAN 做出来。
本文列出了 10 篇关于 GAN 的论文，这些论文详细介绍了 GAN，以及最新的方法。

一、DCGAN

论文链接“Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks”
code：https://github.com/jazzsaxmafia/dcgan_tensorflow

DCGAN 开启 GAN 之旅。这篇论文展示了卷积层与 GAN 是怎样组合的，还提供了其他一系列其他的参考架构。论文还讨论了诸如可视化GAN特征，潜在空间插值，用鉴别器特征训练分类器，结果评价等方面。总之，DCGAN 论文是必读的 GAN 论文，因为它的结构非常清晰，代码容易使用，可以马上用在您的 GAN 开发中。

二、Improved Techniques for Training GANs

论文链接
code链接

这篇论文提供了一系列的建议，用来建立DCGAN论文中提出的网络结构。这篇论文会帮助您理解GAN不稳定性的最佳假设。此外，本文还提出了许多稳定DCGAN训练的其他技术，包括特征匹配，小批量识别，历史平均，单面标