本系列属于连载内容，有需要修正的地方，还望各位同仁在评论专区积极指出。
主要是基于图深度学习的入门内容。讲述最基本的基础知识，其中包括深度学习、数学、图神经网络等相关内容。偏重完整的知识体系和学习指南，在实践方面不会涉及太多基础内容。
文章涉及使用到的框架以PyTorch和TensorFlow为主。默认读者已经掌握Python和TensorFlow基础。如有涉及到PyTorch的部分，会顺带介绍相关的入门使用。
2024年09月08日
本系列属于连载内容，有需要修正的地方，还望各位同仁在评论专区积极指出。
主要是基于图深度学习的入门内容。讲述最基本的基础知识，其中包括深度学习、数学、图神经网络等相关内容。偏重完整的知识体系和学习指南，在实践方面不会涉及太多基础内容。
文章涉及使用到的框架以PyTorch和TensorFlow为主。默认读者已经掌握Python和TensorFlow基础。如有涉及到PyTorch的部分，会顺带介绍相关的入门使用。
2024年09月08日
TensorFlow是一个强大的深度学习框架，广泛应用于生成模型的训练。本教程将引导你通过一个实际项目，学习如何使用TensorFlow构建一个对抗生成网络（GAN），用于生成艺术作品。我们将涵盖项目准备、数据处理、模型构建、训练、生成等关键方面。
2024年09月08日
GAN（生成对抗网络）是深度学习中非常引人注目的算法之一，它由Ian Goodfellow等人于2014年提出。GAN算法在图像生成、风格转换、数据增强等领域取得了显著的成就。本博客将带您从入门到精通，逐步介绍GAN算法的原理和实现，并附带示例代码帮助您更好地理解和应用GAN。
2024年09月08日
在TensorFlow 2.0中，仍然可以运行未经修改的1.x代码（contrib除外）：
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
但是，这并不能让您利用TensorFlow2.0中的许多改进。本指南将帮助您升级代码，使其更简单、更高效、更易于维护。
2024年09月08日
这次，我们将创建一个基于TensorFlow的图像生成应用，展示如何使用深度学习模型，如生成对抗网络（GANs），来生成艺术风格的图像。以下是教程的大纲：
2024年09月08日
CycleGAN算法是一种强大的无监督学习技术，用于在两个不同领域之间进行图像转换。它的独特之处在于，它能够在没有配对训练数据的情况下进行转换，从而实现了更广泛的应用。本文将深入解读CycleGAN算法的原理和应用场景，并通过一个有趣的代码示例展示其魔力。
2024年09月08日
生成敌对网络或GAN是深度学习研究和开发中最活跃的领域之一，因为它们具有惊人的产生综合结果的能力。我们将通过一个具体的例子来构建GAN的基本直觉。这篇文章按以下方式分解：
生成敌对网络工作背后的基本思想和直觉
实现一个基于GAN的模型，从简单的分布生成数据
可视化和分析GAN的不同方面，以更好地理解幕后发生的事情
2024年09月08日
在这篇文章中，我将向您展示如何生成可能在现实生活中不存在的新人脸。我将使用生成对抗网络（GAN）来完成任务。我正在使用CelebA数据集来训练网络。该数据集包含2,00,000个知名人物的图像。我假设您对GAN有理论上的理解。我将在本教程中使用Tensorflow框架。
这就是我们的管道的样子
2024年09月08日
生成式对抗网络（GANS），是2014年Ian Goodfellow在论文Generative Adversarial Nets中提出来的。 从提出之后开始就在人工智能领域引起了强烈的反响，大量基于GANS的框架和Demo层出不穷，在国际顶级期刊和会议上也屡屡能见其踪影。Yann LeCun曾评价GANs是“20年来机器学习领域最酷的想法”。本文以在图像领域表现效果较好的GANs衍生模型DCGANS为基础，带大家全面了解一下GANS算法。
本文首先介绍GANS算法，然后介绍DCGANS算法，最后带大家熟悉一下基于Tensorflow的DCGANS图像生成Demo。
2024年09月08日
全连接层
net=tf.keras.layers.Dense(units,activation)
net.build( input_shape=() ) 完成网络参数的创建
net.kernel