安妮 整理自 GitHub

作者：Pawel.io

量子位 出品 | 公众号 QbitAI

近日，英国小哥Pawel.io在GitHub上图解了一系列生成式对抗网（GAN）和变分自编码器（VAE）的TensorFlow实现。量子位将其中基础知识内容重新整理，与大家分享。

生成式对抗网络（GAN）

GAN

论文地址：

https://arxiv.org/abs/1406.2661

价值函数：

结构图：

LSGAN

论文地址：

https://arxiv.org/abs/1611.04076

价值函数：

WGAN

论文地址：

https://arxiv.org/abs/1701.07875

价值函数：

WGAN-GP

论文地址：

https://arxiv.org/abs/1704.00028

价值函数：

DRAGAN

论文地址：

https://arxiv.org/abs/1705.07215

价值函数：

CGAN

论文地址：

https://arxiv.org/abs/1411.1784

价值函数：

结构图：

infoGAN

论文地址：

https://arxiv.org/abs/1606.03657

价值函数：

结构图：

ACGAN

论文地址：

https://arxiv.org/abs/1610.09585

价值函数：

结构图：

EBGAN

论文地址：

https://arxiv.org/abs/1609.03126

价值函数：

结构图：

BEGAN

论文地址：

https://arxiv.org/abs/1702.08431

价值函数：

变分自编码器（VAE）

VAE

论文地址：

https://arxiv.org/abs/1312.6114

损失函数：

结构图：

CVAE

论文地址：

https://arxiv.org/abs/1406.5298

损失函数：

结构图：

DVAE

论文地址：

https://arxiv.org/abs/1511.06406

AAE

论文地址：

https://arxiv.org/abs/1511.05644

原文地址：

最后，附GitHub原文地址：

https://github.com/hwalsuklee/tensorflow-generative-model-collections/blob/master/README.md

还可查看不同GAN与VAE变体在MNIST及Fasion-MNIST上的运行结果。

祝你学的开心~

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI

վ’ᴗ’ ի 追踪AI技术和产品新动态

“