GANs第一篇比較熟悉，不介紹?？纯醋兎N。

1）?LAPGANs：金字塔，逐步優化生成圖片（Deep Generative Image Models using Lapalacian Pyramid of Adversarial Networks），想法是，它將 GAN 的學習過程變成了“序列式” 的——不要讓 GAN 一次學完全部的數據，而是讓 GAN 一步步完成這個學習過程（CGAN（conditional GAN））

2）Generative Adversarial Text to Image Synthesis：文字轉圖片：一方面是近乎無限的像素排列方式；另一方面，目前沒人知道如何把它分解，比如像（圖像轉為文字任務中）預測下一個詞那樣。循環文字編碼器。

3）GANs應用于超分辨率。對抗損失（adversarial loss?）和內容損失（content loss）。在較高層面上，對抗損失使圖像看起來更自然；內容損失則保證重建圖像與低分辨率原始圖像有相似的特點。

4）Deep Convolutional Generative Adversarial Networks， DCGAN。

5）http://blog.csdn.net/c2a2o2/article/details/54408072：很多應用。

6）InfoGANs。回顧。

7）發展：http://blog.csdn.net/u011534057/article/details/52401221，包括VAEGAN.

?8)?

問題：

（1）解決不收斂（non-convergence）的問題。?

（2）難以訓練：崩潰問題（collapse problem）?

（3）無需預先建模，模型過于自由不可控。?

?

轉載于:https://www.cnblogs.com/Wanggcong/p/7862947.html

總結

以上是生活随笔為你收集整理的GANs的回顾的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。