GAN Sandbox

GAN-沙箱

标准 GAN 在 keras/tensorflow 之上实现，可实现快速实验和研究。分支对应于 GAN 架构的稳定实现（即 ACGan、InfoGAN、改进的 wGAN）和其他有前景的 GAN 变体（即 GAN hack、局部对抗性损失等）。

指南

master分支是 GAN 研发的一个简单、干净且强大的起点。鼓励以新分支和/或改进master形式做出贡献。理想情况下，分支将遵循master's编码风格，并尽可能少地（实际上）偏离它。

分支机构

master ：标准GAN。
ac-gan ：辅助分类器 GAN，如：使用辅助分类器 GAN 进行条件图像合成中所述。
info-gan ：信息最大化 GAN，如：InfoGAN：通过信息最大化生成对抗网络进行可解释表示学习。
cGAN ：如：使用条件对抗网络的图像到图像转换中所述。
wGAN ：如 Wasserstein GAN 中所述，并进行了改进，如 Wasserstein GAN 的改进训练中所述。

SimGAN在这里：https://github.com/wayaai/SimGAN。

注意： ACGAN是InfoGAN的更有限的形式。 InfoGAN可以采用任意数量的分类和连续潜在变量作为生成器的输入。在生成器将一个分类潜在变量作为与要生成的图像的标签相对应的输入的情况下，ACGAN 是一种 InfoGAN。

wGAN目标函数应该用于 GAN 的所有变体，而不是 Jenson-Shannon 散度。

笔记

该存储库及其分支源自 Waya.ai 的代码库，并以更清晰、更模块化的形式发布。不过，我还没有完全测试每个分支，因此可能存在一些问题，并且 GAN 可能需要稍微调整才能正确收敛。

关于 Waya.ai

Waya.ai 是一家公司，其愿景是建立一个医疗状况在婴儿期就得到早期解决的世界。这种方法将使医疗保健行业从持续对抗症状转变为解决根本原因的预防方法。我们实现这一愿景的第一步是简单、准确且可用的诊断。我们目前的重点是脑震荡诊断、恢复跟踪和大脑健康监测。如果这引起您的共鸣，请与我联系！