GSBS，顾名思义，我希望我自己能够一步一步的学习GAN。GAN 又名 生成对抗网络，是最近几年很热门的一种无监督算法，他能生成出非常逼真的照片，图像甚至视频。GAN是一个图像的全新的领域，从2014的GAN的发展现在，在计算机视觉中扮演着越来越重要的角色，并且每年都能产出各色各样的东西，GAN的理论和发展都蛮多的。我感觉最近有很多人都在学习GAN，但是国内可能缺少比较多的GAN的理论及其实现，所以我也想着和大家一起学习，并且提供主流框架下 pytorch,tensorflow,keras 的一些实现教学。
在一个2016年的研讨会，杨立昆描述生成式对抗网络是“机器学习这二十年来最酷的想法”。
这是GAN的地图，接下来，我们也会一起遍历他，学习更多GAN的知识
GSBS - Step1: GAN介绍入门介绍
GSBS - Step2: GAN详细介绍及其应用
GSBS - Step3: DCGAN
GSBS - Step4: CGAN
GSBS - Step5: ACGAN
GSBS - Step6: LSGAN
GSBS - Step7: WGAN
- GAN
- DCGAN (Deep Convolutional GAN)
- CGAN (Conditional GAN)
- ACGAN (Auxiliary Classifier GAN)
- LSGAN (Least Squares GAN)
- WGAN (Wasserstein GAN)
- WGAN GP（Wasserstein GAN GP）
- SRGAN (Super-Resolution GAN)
- ESRAN (Enhanced Super-Resolution GAN)
- InfoGAN
- BEGAN
- Cycle GAN
- Pix2Pix
- LSGAN
- WGAN GP
- Semi-Supervised GAN
这里给出我的github地址，欢迎大家一起来fork和star
Github地址：https://github.com/Dreaming-future/GAN_Step_By_Step