[生成對抗網絡GAN入門指南]（1）引言及實驗預備知識和工具

繼續開一個GAN的專題：主要分以下幾個闆塊

1.GAN

2.DCGAN

3.WasserteinGAN

4.cGAN（GAN+監督學習）SGAN/ACGAN（GAN+半監督學習）InfoGAN（GAN+無監督性學習）

5.StackGAN（文本到高品質圖檔）

6.iGAN（圖像到圖像） Pix2Pix（比對資料圖像轉換） CycleGAN（非比對資料轉換） StarGAN（多領域圖像轉換）

7.GAN應用：圖像去模糊、人臉生成、音頻生成；GAN與藝術：AI創造藝術/AI輔助式設計

8. 未來研究熱點

一、前言

1999， DeepBlue擊敗卡斯帕羅夫。

2006，浪潮天梭擊敗中國象棋大師隊。

2016，Alphago擊敗圍棋九段李世石。

Ian Goodfellow發明GAN。與GAN相關的論文的數量也迎來了井噴式上升。

截止2018年12月GAN最全論文合集，在上學期一門課上也是自己寫了簡單的GAN作業代碼。

簡而言之，GAN分為兩個網絡，一部分是Generator生成器，作用是根據噪聲生成資料，結構一般是一個反向傳播神經網絡，另一部分是Discriminator來識别資料來源是生成器生成的資料和真實資料，他需要分别出真實的資料來源或者是生成的資料來源。

二、預備知識及工具

1.Python語言：可參考[py文法]非計算機專業的同學如何半個小時搞懂py3的文法，這個僅作為快速的一種學習。

2.Jupyter編譯器：這裡推薦Jupyter作為實驗的編譯器，相關環境配置win10+Anaconda3+tensorflow(gpu)+cuda9.0+cudnn7.1+ide(sublime)+好用的科學工具包配置。

3.Tensorflow：關注專欄：實戰Google深度學習架構：TensorFlow，主要使用的是tf。

4.Keras：關注專欄：Python深度學習——Deeplearning with Python，主要使用的是keras。

5.Floyd：《生成對抗網絡GAN入門指南》書上推薦使用Floyd