Generative_Models_Collection:生成对抗网络相关代码和信息收集

【文件属性】：
文件名称：Generative_Models_Collection:生成对抗网络相关代码和信息收集
文件大小：119KB
文件格式：ZIP
更新时间：2021-05-31 00:57:06
Python 生成模型集合 生成模型相关的代码和信息 机器学习模型 参考 ； ； ； 训练和稳定 使用像 、 CelebA 、 Horses2Zebra这样的小数据集来测试算法，然后再扩大规模：节省时间， 尽你所能！ 将生成器和鉴别器的输入归一化在 -1 和 1 之间 来自高斯分布而不是均匀分布的样本 所有规范化方法都可能有用， SpectralNorm 、 BatchNorm （当使用ConditionalBatchNorm有标签或没有使用SelfModulationBatchNorm 的标签时），当 BatchNorm 不是一个选项时，请考虑使用其他方法，如InstanceNorm或PixelNorm 避免稀疏梯度（例如ReLU ， MaxPool ），在生成器（也可以使用ReLU ）和鉴别器中使用LeakyReLU ，对于下采样，使用平均池化， Conv2d + stride ，对于上采样，使

【文件预览】：
Generative_Models_Collection-main
----NST.py(6KB)
----MSGGAN.py(19KB)
----Summary-of-Different-GAN-Loss-Functions.png(98KB)
----CycleGAN.py(12KB)
----README.md(4KB)
----SAGAN.py(26KB)
----PGGAN.py(15KB)