概述GAN（Generative Adversarial Network，生成对抗网络）是一个网络框架，它通常包括两部分，生成器（generator）和判别器（discriminator）。生成器的作用是学习真实数据的分布（或者通俗地说就是学习真实数据的特征），然后自动地生成新的数据 ...

https://pytorch-geometric.readthedocs.io/en/latest/ https://github.com/rusty1s/pytorch_geometric cpu版 遇到奇怪问题，不用管理员权限安装 ...

GAN 原始GAN中判别器要最小化如下损失函数，尽可能把真实样本分为正例，生成样本分为负例： 其中是真实样本分布，是由生成器产生的样本分布。 第一个式子我们不看梯度符号的话即为判别器的损失函数，logD(xi)为判别器将真实数据判定为真实数据的概率，log(1-D(G(zi ...

因为需要跑一些别人的GCN的任务，所以就要安装相关的包； 首先要注意cuda版本和pytorch中的对应关系，必须严格对应，比如我的机器上，cuda版本是10.1； pytorc ...

一、简介 PyTorch Geometric Temporal是PyTorch Geometric的一个时间图神经网络扩展库。它建立在开源深度学习和图形处理库之上。PyTorch Geometric Temporal由最先进的深度学习和参数学习方法组成，用于处理时空信号。它是第一个用于几何结构 ...

项目地址：https://github.com/rusty1s/pytorch_geometric 作者大神真的太屌了，膜拜，工程实现能力太强了 本文希望能够记录学习其源码的过程 data / dataset 部分（涉及优化？） 语法 @property 一种 ...

把GAN的论文看完了， 也确实蛮厉害的懒得写笔记了，转一些较好的笔记，前面先贴一些 原论文里推理部分，进行备忘。 GAN的解释 算法流程 GAN的理论推理 转自：https://zhuanlan.zhihu.com/p/27295635 Generative ...

经典算法·GAN与VAE Generative Adversarial Networks 及其变体 生成对抗网络是近几年最为经典的生成模型的代表工作，Goodfellow的经典工作。通过两个神经网络结构之间的最大最小的博弈游戏然后生成模型。下面是原始GAN与一些GAN的变体 ...