先理清：这门课解决什么工作场景，值不值得学

生成对抗网络早已不是实验室里的玩具，它正实打实嵌入日常研发链路。做电商素材生成、图像风格迁移、数据增强或缺陷样本扩充时，懂GAN底层原理意味着能快速定位生成模糊、模式崩溃或梯度消失的根因，而不是盲目调参。这门课切入的正是这类“需要从零手写并复现模型”的工程场景。它不教你套用现成API出图，而是逼着你看顶会论文、拆解损失函数、用代码重构原始算法。对需要自主搭建生成模型、改造网络结构或做算法复现验证的人来说，这门课的投入产出比很明确。但如果你只想用现成工具做图，不碰底层代码，这套偏硬核复现的内容会显得绕远路。

门槛与节奏：适合什么基础，建议先看哪几块

资料对基础有硬性要求，默认你已掌握Python编程，且对反向传播、梯度下降、数据标准化等深度学习基石概念有基本认知。零基础直接听论文复现极易卡壳。建议入门者先抓两块：第一是开篇的论文阅读与复现导学，它演示了如何拆解一篇学术文献并定位核心代码段，这是后续所有模型复现的方法论底座；第二是GAN原始论文的深入解析与基础环境配置，重点跟练反向传播算法实现与框架说明。把这两块吃透，弄懂生成器与判别器的博弈机制及损失函数走向，再去看后续WGAN、CycleGAN等变体模型时，才能理解它们到底在解决原始架构的哪些痛点。

落地预期：学完能独立做什么，资料怎么配合练习

完整跟完这套资料，你能独立完成从检索前沿论文、拆解网络结构到用代码跑通模型的全流程，遇到生成任务能自行挑选合适的GAN变体并动手改造。配套资料不是被动看的视频，必须边看边敲。强烈建议按章节顺序，先把每篇论文的精读笔记自己手写一遍，推导损失函数；再看复现视频，暂停在代码框架搭建处，自己先写一版生成器与判别器网络结构，随后与课程实现对比查漏。遇到训练不收敛，别急着翻答案，先回看前序章节关于梯度下降和BP算法的推导。这种以论文带代码的逆向学习方式，前期阻力大，但能帮你建立起应对任何生成模型的底层工程能力。


本课程对GAN、DCGAN、WGAN、ConditionalGAN、GANs、CycleGAN这6类GAN模型进行了深入剖析，并通过对17篇顶会论文的阅读，复现

课程目录

*   第一章 论文阅读与复现流程/

  *   论文阅读与复现流程/

    *   1-1-1课程介绍

    *   1-2-1论文阅读与复现导学

    *   1-3-1寻找论文

    *   1-4-1论文阅读及练习

    *   1-4-2论文阅读及练习

    *   1-5-1论文代码复现

    *   1-6-1论文阅读与复现总结

*   第二章 GAN原始论文深入解析与复现/

  *   GAN原始论文深入解析与复现-课程所有资料在本节下载/

    *   2-1-1专题导学

    *   2-2-1图像生成介绍

    *   2-3-1深度学习介绍

    *   2-3-2损失函数与梯度下降

    *   2-3-3BP算法讲解

    *   2-3-4BP算法实现

    *   2-3-5数据标准化

    *   2-4-1TensorFlow的安装

    *   2-4-2代码框架说明及书写

    *   2-4-3模块代码编写

    *   2-4-4网络结构说明

    *   2-4-5初始化训练方法及训练

    *   2-4-6测试模型代码编写及封装

    *   2-5-1生成对抗网络训练过程

    *   2-5-2生成对抗网络理理论推导

    *   2-5-3论文算法步骤详述及存在问题详解

    *   2-6-1图像网络对抗模块说明

    *   2-6-2图像网络对抗模块编码

    *   2-6-3初始化模块代码编写

    *   2-6-4判别器器初始化代码编写

    *   2-6-5生成器器和训练方法初始化代码编写

    *   2-6-6随机噪声和模型训练代码编写

    *   2-6-7模型绘制与训练

    *   2-7-1专题总结

*   第三章 DCGAN论文阅读与复现/

  *   DCGAN论文阅读与复现/

    *   3-1-1专题导学

    *   3-2-1卷积神经网络介绍

    *   3-2-2卷积神经网络基本结构

    *   3-2-3池化层结构及著名卷积神经网络介绍

    *   3-3-1代码框架说明及编写

    *   3-3-2对象初始化模块代码编写

    *   3-3-3网络初始化模块代码编写

    *   3-3-4初始化训练方法代码编写

    *   3-3-5训练卷积网络模型

    *   3-4-1DCGANs论文结构说明及阅读

    *   3-4-2论文具体方法与实验阅读

    *   3-5-1二次元图像生成数据读取与预处理

    *   3-5-2网络模块说明代码编写

    *   3-5-3对象初始化模块代码编写

    *   3-5-4生成器与判别器说明及判别器初始化

    *   3-5-5生成器初始化

    *   3-5-6初始化训练方法

    *   3-5-7训练模型代码编写

    *   3-5-8数据生成代码编写

    *   3-5-9绘制图片代码编写

    *   3-5-10制作GIF

    *   3-6-1专题总结

*   第四章 GAN训练提升技巧/

  *   GAN提升技巧/

    *   4-1-1专题导学

    *   4-2-1前置知识复习及LSGAN论文摘要解读

    *   4-2-2WGAN和WGAN-GP解读

    *   4-2-3自动编码器复习

    *   4-3-1WGAN主要网络模块框架代码编写

    *   4-3-2对象初始化模块代码编写

    *   4-3-3生成器与判别器说明及判别器初始化

    *   4-3-4生成器初始化

    *   4-3-5初始化训练方法

    *   4-3-6DCGAN与LSGAN编码

    *   4-3-7WGAN与WGAN-GP编码

    *   4-3-8数据生成代码块编写

    *   4-3-9绘制图片代码块编写

    *   4-3-10绘制模型代码块编写

    *   4-3-11训练模型及总结

    *   4-4-1专题总结

*   第五章 可控图像生成技术/

  *   可控图像生成技术/

    *   5-1-1专题导学

    *   5-2-1可控图像生成

    *   5-3-1CGAN论文代码复现

    *   5-3-2CGAN对象初始化模块代码编写

    *   5-3-3判别器代码初始化

    *   5-3-4生成器代码初始化

    *   5-3-5初始化训练方法模块代码编写

    *   5-3-6数据生成代码块编写

    *   5-3-7绘制图片代码块编写

    *   5-3-8数据读取及训练模型代码块编写

    *   5-3-9训练模型代码块编写

    *   5-4-1图像转图像生成应用对象初始化代码编写

    *   5-4-2生成器代码初始化

    *   5-4-3判别器代码初始化

    *   5-4-4训练方法初始化代码编写

    *   5-4-5数据生成及绘制图片代码块代码编写

    *   5-4-6数据读取代码编写

    *   5-4-7训练模型代码编写及模型训练

    *   5-5-1专题总结

*   第六章 特征解耦图像生成技术/

  *   特征解耦图像生成技术/

    *   6-1-1专题导学

    *   6-2-1特征解耦图像生成技术之InfoGAN

    *   6-2-2特征解耦图像生成技术之VAE-GAN和BiGAN

    *   6-3-1InfoGAN论文代码复现

    *   6-3-2对象初始化模块代码编写

    *   6-3-3判别器初始化代码编写

    *   6-3-4生成器初始化代码编写

    *   6-3-5分类器初始化及训练方法代码编写

    *   5-3-6数据生成代码块编写

    *   6-3-7训练模型代码编写

    *   6-3-8测试模型代码编写及模型训练

    *   6-4-1专题总结

*   第七章 非监督条件图像生成技术/

  *   非监督条件图像生成技术/

    *   7-1-1专题导学

    *   7-2-1图像风格迁移技术应用介绍

    *   7-2-2非监督图像风格迁移技术应用讲解

    *   7-3-1CycleGAN论文复现

    *   7-3-2对象初始化模块代码编写

    *   7-3-3判别器初始化代码编写

    *   7-3-4生成器初始化代码编写

    *   7-3-5初始化训练方法代码编写

    *   7-3-6数据生成及绘制图片代码编写

    *   7-3-7训练模型及模型保存和恢复代码编写

    *   7-3-8模型训练及验证

    *   7-4-1专题总结