前言
在初学GANs的时候我们可能会尝试自己写一些简易的模型，这对于学习代码有帮助，但是距离想真正实现自己的想法和创意是很不够的。所以我觉得，学习到一些高级的GANs架构的代码技巧是会挺有帮助的，所以在此专栏中，我将专门记录我特别想学到的一些最新架构的代码实现方式，并进行非常细致的记录和讲解。
目录
StyleGAN->GauGAN->SinGAN三份开源代码是我认为目前所有GANs中最有价值的代码（当然还有BigGAN->VQVAE2->LOGAN也值得学但Deepmind不开源哪~~~），首先StyleGAN就是“细节记忆”特别强，生成图片足够清晰；然后GauGAN“细节关系推理”特别好，基于语义布局的生成能学到组件间的逻辑联系（譬如湖面和倒影）；SinGAN就听效果（单张图片模式推理）就特别牛逼，但是其实际价值还有待学习考证。。
架构1 StyleGAN
★ 重点：AdaIN机制、Progressive动态变化过程
★ 学习AdaIN的价值：1.AdaIN改变了原始生成器输入latents的功能，即将latents控制合成图片的内容（content），变成了latents控制合成图片的风格（style），这是一种非常有效且具有普适性的技巧。2. AdaIN适合于样式迁移（Style Transfer）任务中。
笔记内容：
第一章 StyleGAN原理介绍
第二章 StyleGAN代码解读(上)
第二章 StyleGAN代码解读(下)
第三章 StyleGAN模型修改与拓展
架构2 GauGAN
★重点：Spade机制
待写
架构3 SinGAN
★重点：多尺度结构、马尔可夫判别器（PatchGAN）
待写
来源：CSDN
作者：bupt_gwy
链接：https://blog.csdn.net/a312863063/article/details/103237021