多图对比看懂GAN与VAE的各种变体

近日，英国小哥Pawel.io在GitHub上图解了一系列生成式对抗网（GAN）和变分自编码器（VAE）的TensorFlow实现。

生成式对抗网络（GAN）

GAN

论文地址：

https://arxiv.org/abs/1406.2661

价值函数：

结构图：

LSGAN

论文地址：

https://arxiv.org/abs/1611.04076

价值函数：

WGAN

论文地址：

https://arxiv.org/abs/1701.07875

价值函数：

WGAN-GP

论文地址：

https://arxiv.org/abs/1704.00028

价值函数：

DRAGAN

论文地址：

https://arxiv.org/abs/1705.07215

价值函数：

CGAN

论文地址：

https://arxiv.org/abs/1411.1784

价值函数：

结构图：

infoGAN

论文地址：

https://arxiv.org/abs/1606.03657

价值函数：

结构图：

ACGAN

论文地址：

https://arxiv.org/abs/1610.09585

价值函数：

结构图：

EBGAN

论文地址：

https://arxiv.org/abs/1609.03126

价值函数：

结构图：

BEGAN

论文地址：

https://arxiv.org/abs/1702.08431

价值函数：

变分自编码器（VAE）

VAE

论文地址：

https://arxiv.org/abs/1312.6114

损失函数：

结构图：

CVAE

论文地址：

https://arxiv.org/abs/1406.5298

损失函数：

结构图：

DVAE

论文地址：

https://arxiv.org/abs/1511.06406

AAE

论文地址：

https://arxiv.org/abs/1511.05644

原文地址：

最后，附GitHub原文地址：

https://github.com/hwalsuklee/tensorflow-generative-model-collections/blob/master/README.md

还可查看不同GAN与VAE变体在MNIST及Fasion-MNIST上的运行结果。

祝你学的开心~

文章来源：量子位

《黄美灵的Spark ML机器学习实战》通过该课程的学习，同学们可以全面掌握Spark ML机器学习，进而能够在实际工作中进行ML的应用开发和定制开发。且该课程优异毕业生均可获得老师内推机会，职位：数据挖掘工程师，就职企业：久邦数码、唯品会、腾讯等。点击下方二维码报名课程