GAN Sandbox

GAN-沙箱

標準 GAN 在 keras/tensorflow 之上實現，可實現快速實驗和研究。分支對應於 GAN 架構的穩定實現（即 ACGan、InfoGAN、改進的 wGAN）和其他有前景的 GAN 變體（即 GAN hack、局部對抗性損失等）。

指南

master分支是 GAN 研發的一個簡單、乾淨且強大的起點。鼓勵以新分支和/或改進master形式做出貢獻。理想情況下，分支將遵循master's編碼風格，並儘可能少（實際上）偏離它。

分公司

master ：標準GAN。
ac-gan ：輔助分類器 GAN，如：使用輔助分類器 GAN 進行條件影像合成中所述。
info-gan ：資訊最大化 GAN，如：InfoGAN：透過資訊最大化生成對抗網路進行可解釋表示學習。
cGAN ：如：使用條件對抗網路的影像到影像轉換中所述。
wGAN ：如 Wasserstein GAN 中所述，並進行了改進，如 Wasserstein GAN 的改進訓練中所述。

SimGAN在這裡：https://github.com/wayaai/SimGAN。

注意： ACGAN是InfoGAN的更有限的形式。 InfoGAN可以採用任意數量的分類和連續潛在變數作為生成器的輸入。在生成器將一個分類潛在變數作為與要產生的圖像的標籤相對應的輸入的情況下，ACGAN 是一種 InfoGAN。

wGAN目標函數應該用於 GAN 的所有變體，而不是 Jenson-Shannon 散度。

筆記

該儲存庫及其分支源自 Waya.ai 的程式碼庫，並以更清晰、更模組化的形式發布。不過，我還沒有完全測試每個分支，因此可能存在一些問題，並且 GAN 可能需要稍微調整才能正確收斂。

關於 Waya.ai

Waya.ai 是一家公司，其願景是建立一個醫療狀況在嬰兒期就得到早期解決的世界。這種方法將使醫療保健產業從持續對抗症狀轉變為解決根本原因的預防方法。我們實現這一願景的第一步是簡單、準確且可用的診斷。我們目前的重點是腦震盪診斷、恢復追蹤和大腦健康監測。如果這引起您的共鳴，請與我聯繫！