GAN学习

原始GAN（Ian Goodfellow）

1.https://www.cnblogs.com/fydeblog/p/9439024.html  (放羊的水瓶 GAN笔记——理论与实现) 

2.https://blog.csdn.net/bluesliuf/article/details/88829578（深度学习的常见模型GAN）

3.https://www.cnblogs.com/DicksonJYL/p/9617443.html（深度学习新星：GAN的基本原理、应用和走向）

4.https://www.jianshu.com/p/9176bb6eea97 （GAN总结）

5.https://www.cnblogs.com/zijunlearningclanguage/p/9644034.html  （关于GAN原论文中的数学证明）

6.https://blog.csdn.net/qunnie_yi/article/details/80129740 (模拟上帝之手的对抗博弈——GAN背后的数学原理)

7.https://blog.csdn.net/Sakura55/article/details/81514828 (深度学习----现今主流GAN原理总结及对比)

8.https://blog.csdn.net/qq_25737169/article/details/80874717 (GAN的应用汇总（持续更新）)

9.https://www.cnblogs.com/shouhuxianjian/p/7795115.html (GAN及相关论文的对比)

10.https://zhuanlan.zhihu.com/p/54096381 （李宏毅原视频的数学推导部分）

Conditional GAN

1.https://blog.csdn.net/wspba/article/details/54666907 （Conditional Generative Adversarial Nets论文笔记）

2.https://www.cnblogs.com/J-K-Guo/p/7643439.html（CGAN论文阅读）

DCGAN

1.https://blog.csdn.net/liuxiao214/article/details/73500737 （生成对抗网络学习笔记3----论文unsupervised representation learning with deep convolutional generative adversarial）

2.https://blog.csdn.net/liuxiao214/article/details/74502975 （生成对抗网络学习笔记5----DCGAN（unsupervised representation learning with deep convolutional generative adv）的实现）

3.https://www.cnblogs.com/tiny-player/p/6765224.html (Tensorflow学习笔记---2--DCGAN代码学习)

4.https://blog.csdn.net/u013250416/article/details/78254444 (DCGAN代码及实验结果分析)

5.https://www.cnblogs.com/lyrichu/p/9093411.html (DCGAN代码解读!!!)

6.https://blog.csdn.net/chrisyoung95/article/details/79572454 （用DCGAN生成手写体数字图像代码解析）

7.https://blog.csdn.net/missyougoon/article/details/84941834 （DCGAN实现手写数字识别demo！！！！）

8.https://blog.csdn.net/theonegis/article/details/80115340 （基于Keras的DCGAN实现！！！）

9.https://blog.csdn.net/nima1994/article/details/83620725 (keras DCGAN)

10.https://github.com/jacobgil/keras-dcgan (keras版本 可运行)

WGAN WGAN-GP

1.https://www.jianshu.com/p/f1462c489a63（WGAN的来龙去脉）

2.https://www.cnblogs.com/Allen-rg/p/10305125.html（WGAN原理解析）

3.https://www.jianshu.com/p/e901908a1d93（从GAN到WGAN再到WGAN-GP）

4.https://blog.csdn.net/xiaohouzi1992/article/details/80839921（Towards Principled Methods for Training Generative Adversarial Networks的理解）

World Model

1.http://nooverfit.com/wp/%E8%B0%B7%E6%AD%8C%E5%A4%A7%E8%84%91%E7%9A%84%E4%B8%96%E7%95%8C%E6%A8%A1%E5%9E%8Bworld-models%E4%B8%8E%E5%9F%BA%E5%9B%A0%E5%AD%A6%E7%9A%84%E4%B8%80%E4%BA%9B%E6%80%9D%E8%80%83/ (谷歌大脑的“世界模型”(World Models)与基因学的一些思考，MDN-RNN与Evolution Strategies结合的初体验与源码)

2.https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/80156268 (那个爆火的“梦中修炼”AI，你也能用Keras搭一个了)

卷积

1.https://buptldy.github.io/2016/10/29/2016-10-29-deconv/ (Transposed Convolution, Fractionally Strided Convolution or Deconvolution)

2.https://blog.csdn.net/kkkkkiko/article/details/82759941 (深度学习笔记(4)：1.4-1.5：CNN中常用两大基本操作：padding、strided convolutions)

3.https://www.jianshu.com/p/cad419491760 (上池化(unpooling),上采样(unsampling)和反卷积(deconvolution)的区别) 

AlexNet

https://www.cnblogs.com/gongxijun/p/6027747.html

https://www.jianshu.com/p/00a53eb5f4b3

https://www.runoob.com/w3cnote/working-process-of-the-compiler.html （编译器的工作过程）