微软剑桥研究院153页最新GAN教程（附代码）
【导读】Sebastian Nowozin在机器学习夏季课程（MLSS 2018年9月）做了关于GAN的教学，153页PPT详尽的解释了GAN的发展脉络和最新进展，此外他所提供原版大小为286MB 的pptx中包含大量动画效果，对课程的理解很有帮助。
Sebastian Nowozin是微软剑桥研究院首席研究院，专注于无监督于表示学习。他在GAN领域做了大量的工作，同时也是著名的f-GAN的作者。
在训练 GAN 方面似乎有两三个阵营：第一个当然就是GAN的发明Ian Goodfellow以及他所供职的OpenAI和谷歌的一帮研究人员；第二个强大的阵营也就是以这篇教程作者Sebastian Nowozin 为代表的微软阵营；第三就是其他了。
此次教程主要有以下几个部分：
概率模型
GANs的几个示范应用
评价原则
GAN 模型
差异性与f-GAN 家族
基于积分概率度量(IPM)的GAN: MMD
基于积分概率度量(IPM)的GAN: Wasserstein GANs
问题与如何修正：模式崩溃(modecollapse)与不稳定性（Instability）
隐式模型
开放性研究问题
GAN网络是近两年深度学习领域的新秀，一时风头无两。从计算机视觉顶会盛会CVPR 2018接受的论文统计就可见一斑：根据Google Research的研究科学家Jordi Pont-Tuset做的一个统计，它通过查看这些论文的类型，看到了未来深度学习的发展趋势。结果，他发现生成对抗网络（GAN）强势出击，大有取代“深度学习”（Deep Learning）之势。
下面这张图展示了CVPR 2018的论文题目中，关键词GAN、Deep，以及LSTM的对比：
在普通的“深度学习”走下坡路的同时，GAN慢慢的成为新宠，统计显示有8%的论文标题中含有GAN（这一数据相比2017年增长了2倍多）。
此外用尽字母表的各种GAN的变体 X-GAN 的论文数量也是急剧增加：
请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），
后台回复“GANMLSS” 就可以获取最新PPT下载链接~
参考链接：
https://github.com/nowozin/mlss2018-madrid-gan
http://www.nowozin.net/sebastian/
附PPT全文：
-END-
专 · 知
人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！
请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！
请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~
请关注专知公众号，获取人工智能的专业知识！
点击“阅读原文”，使用专知
Send to Author