Keras作者推荐的Github项目，基于TensorFlow2的生成式模型合集

【导读】Keras作者近期推荐了Github项目timsainb/tensorflow2-generative-models，它包含若干由TensorFlow2实现的生成模型，如VAE、WGAN等。对于想入门TF2的人来说，这是不容错过的资料。

Keras作者François Chollet近期在Twitter上推荐了Github项目timsainb/tensorflow2-generative-models：

GAN是重要的生成模型，然而用过TensorFlow 1.x静态图模式写过GAN的人一定体验过开发时的痛苦。静态图模式下，网络结构的复用、选择性更新参数等复杂功能的实现并不友好。然而在TensorFlow 2.x中，随着动态图模式的普及，这些功能的实现就变得非常容易。

由于GAN、VAE等生成模型的实现相对于普通的分类模型较为复杂，通过阅读生成模型的代码可以学习到一些进阶的操作。因此，通过该项目，我们可以学习到许多TF2的进阶操作和技巧。

该项目包含的TensorFlow2实现的生成模型有：

• AE:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/0.0-Autoencoder-fashion-mnist.ipynb

• VAE:
  

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/1.0-Variational-Autoencoder-fashion-mnist.ipynb

• GAN:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/2.0-GAN-fashion-mnist.ipynb
  

• WGAN:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/3.0-WGAN-GP-fashion-mnist.ipynb

• seq2seq:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/4.0-seq2seq-fashion-mnist.ipynb
  

• GAIA:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/5.0-GAIA-fashion-mnist.ipynb
  

• VAE-GAN:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/6.0-VAE-GAN-fashion-mnist.ipynb
  

• Spectrograms and Inversion:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/7.0-Tensorflow-spectrograms-and-inversion.ipynb
  

• NSYNTH Iterator:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/8.0-NSYNTH-iterator.ipynb
  

• seq2seq NSYNTH:

  https://github.com/timsainb/tensorflow2-generative-models/blob/master/9.0-seq2seq-NSYNTH.ipynb

参考链接：

• https://github.com/timsainb/tensorflow2-generative-models

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！540+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程