李宏毅 GAN 学习笔记

1. 介绍GAN

• GAN的基本思想
• 为什么生成器不自己学？
• 为什么判别器不自己做？
• 具体算法
• 笔记：
  李宏毅学习笔记30.GAN.01.
  李宏毅GAN教程（1）

2. Gan的数学原理（GAN背后的理论）

• 笔记：
  李宏毅GAN教程（2）
  李宏毅学习笔记33.GAN.04.Theory behind GAN

3. Conditional GAN (条件GAN)

• 笔记：
  李宏毅GAN教程（5）
  李宏毅学习笔记31.GAN.02.Conditional Generation by GAN

4. Unsupervised Conditional GAN (无监督的条件GAN)

• 笔记：
  李宏毅GAN教程（6）
  李宏毅学习笔记32.GAN.03.Unsupervised Conditional Generation

5. Tips for Improving GAN(为了让GAN容易训练)

• Least Square GAN (LSGAN)
• Wasserstein GAN (WGAN): Earth Mover’s Distance
• Improved WGAN (WGAN-GP)
• Energy-based GAN (EBGAN)
• Outlook: Loss-sensitive GAN (LSGAN)

• 笔记：
  李宏毅GAN教程（3）
  李宏毅学习笔记35.GAN.06.Tips for Improving GAN

6.特征提取

• InfoGAN
• VAE-GAN
• BiGAN
• Triple GAN
• 笔记：
  李宏毅学习笔记36.GAN.07.Feature Extraction

7. 评价方法

• 笔记：
  李宏毅学习笔记39.GAN.10.Evaluation
  GAN评价指标最全汇总 - 小米粥的文章 - 知乎

8. fGAN: General Framework of GAN

不重要，只是为了让我们知道不同的计算距离方式可能产生不同的效果，但实际上 f-divergence 影响不大

• 笔记：
  李宏毅学习笔记34.GAN.05.fGAN: General Framework of GAN

总结

• 笔记：
  李宏毅学习笔记40.GAN.番外篇

---

链接来源：
GAN的基础与应用
李宏毅机器学习笔记