∆ -gan(2個判別器，2個生成器)
三維生成對抗網路（δ-gan）用於半監督跨域聯合分布匹配，其中訓練資料由來自每個域的樣本組成，並且域對應的監督僅由少數配對樣本提供。δ-gan由四個神經網路，兩個發生器和兩個鑑別器組成。生成器被設計用於學習兩個域之間的雙向條件分布，而判別器隱含地定義了三元鑑別函式，該函式經過訓練以區分真實資料對和兩種假資料對。生成器和判別器使用對抗學習同步訓練。在溫和的假設下，理論上這兩個生成器的共同分布集中在資料分布上。在實驗中，考慮了三種不同的域對，即影象-標籤，影象-影象和影象-屬性對。半監督影象分類，影象到影象轉換和基於屬性的影象生成的實驗證明了提出的方法。
triple-gan(g,d,c)看成兩個條件gan
生成式對抗網路（gan）在影象生成和半監督學習（ssl）方面表現出前景。然而，現有的ssl中的gan有兩個問題：（1）發生器和鑑別器（即分類器）可能不是同時最佳的;（2）生成器不能控制生成的樣本的語義。這個問題基本上來自雙人遊戲公式，其中單個鑑別者共享識別假樣本和**標籤的不相容作用，並且它僅評估資料而不考慮標籤。為了解決這些問題，我們提出三重生成對抗網（triple-gan），它由三個參與者組成 - 乙個生成器，乙個鑑別器和乙個分類器。生成器和分類器表徵影象和標籤之間的條件分布，鑑別器僅著重於識別假影象-標籤對。我們設計相容的實用程式，以確保分類器和發生器所表徵的分布均收斂於資料分布。我們在各種資料集上的結果表明，作為統一模型的triple-gan可以同時（1）實現最先進的分類（2）通過有條件地在潛在空間中進行插值，在資料空間中平滑地分解輸入的類別和樣式並進行傳輸。
dualgan(2個生成器，2個判別器)
用於跨域影象到影象轉換的條件生成對抗網路（gan）近來取得了很大進展。根據任務的複雜性，需要數千到數百萬個標記影象對來訓練條件gan。但是，人類標籤**昂貴，甚至不切實際，而且大量的資料可能並不總是可用的。受到自然語言翻譯的雙重學習的啟發[23]，我們開發了一種新型的雙gan機制，它可以通過來自兩個域的兩組未標記影象對影象轉換器進行訓練。在我們的體系結構中，原始gan學習將影象從域u轉換到域v中的影象，而雙重gan學習反轉任務。由原始和雙重任務產生的閉環允許來自任一域的影象被翻譯，然後重建。因此，可以使用解釋影象重構誤差的損失函式來訓練翻譯人員。對未標記資料的多個影象轉換任務進行的實驗顯示dualgan在單個gan上的效能提高很多。對於某些任務，dualgan甚至可以實現與完全標記資料訓練的條件gan相比或略好的結果。
ali
我們引入了對抗學習推理（ali）模型，生成網路和推理網路使用對抗過程共同學習。生成網路將樣本從隨機潛變數對映到資料空間，而推理網路將資料空間中的訓練例項對映到潛變數空間。在這兩個網路之間施加對抗性博弈，訓練判別網路以區分來自生成網路的聯合潛在/資料空間樣本和來自推理網路的聯合樣本。我們說明模型學習相互連貫推理的能力和通過對模型樣本和重建進行檢查，並通過獲得與半監督svhn和cifar10任務相媲美的效能來確認學習表示的有用性。
bigan
生成對抗網路（gans）框架學習生成模型從簡單的潛在分布對映到任意複雜的資料分布的能力已經憑經驗證明，具有令人信服的結果表明這些生成器的潛在空間捕獲資料分布中的語義變化。直觀地說，被訓練來**給定資料的這些語義潛在表示的模型可以作為語義相關的輔助問題的有用特徵表示。然而，以其現有形式，gan無法學習逆對映--將資料投影回潛在空間。我們提出雙向生成對抗網路（bigans）作為學習該逆對映的手段，並且證明所得到的學習特徵表示是有用的輔助監督的歧視任務，與當代無監督和自我監督的特徵學習方法相競爭。
cgan
生成式對抗網最近被引入作為訓練生成模型的新方法。在這項工作中，我們介紹了生成對抗網路的條件版本，可以通過簡單地提供資料y來構建生成對抗網路，我們希望同時生成生成器和鑑別器。我們證明這個模型可以生成mnist數字，並以類標籤為條件。我們還說明了如何使用此模型來學習多模式模型，並提供了乙個應用於影象標記的初步示例，其中我們演示了此方法如何生成不屬於培訓標籤的描述性標籤。
生成器和迭代器
可以直接作用於for迴圈的物件稱為可迭代物件 iterable.可以用isinstance 判斷乙個物件是否是iterable物件。isinstance iterable true isinstance iterable true isinstance 235,iterable false 而生成器...
迭代器和生成器
1 迭代器的概念 print dir 告訴我列表的所有用法 有雙下劃線的所有方法叫做雙下方法，是c語言已經寫好的方法。你可以用不止一種方法呼叫它。列表的用法變集合 set dir 求交集 set dir set dir set dir 求列表，字典，字串它們的用法的交集 他們共同的用法 iterab...
生成器和迭代器
1.iterator 迭代器 舉例 我們對list使用for for i in 1,2,3,4 print i 12 34對string物件使用for for ch in python print ch py thon對字典物件使用for for k in print k yx對檔案使用for fo...