generative-models

收录理由

读一篇生成对抗网络的论文是一回事，亲眼看到同样的模型以清晰可运行的代码呈现出来又是另一回事。这个仓库把PyTorch和TensorFlow里主流生成模型家族的可执行实现都收在了一起。光是GAN这部分就涵盖了从最基础的原始GAN、Wasserstein GAN，到InfoGAN、DiscoGAN、边界均衡GAN等经典变体，后面还跟上了变分自编码器、受限玻尔兹曼机和Helmholtz机。每个模型都配有训练代码，训练时会把生成的样本存到输出目录里，你可以跑一次实验，然后直接查看生成结果。对学生琢磨模型内部机制，或者研究者重温某篇经典论文来说，这都是很靠谱的学习伙伴；想在挑选生产工具前弄明白某种生成架构是怎么回事，拿它来上手也相当方便。这些代码定位是学习用途，不是拿来直接部署的，用的时候要做好改写的准备，别指望原样跑起来就能上线。