很少有用生成对抗网络（GAN）来进行DEAP的脑电情绪识别。重点是构建生成对抗网络（GAN）和条件生成对抗网络（CGAN）模型。采用的是Pytorch深度学习框架。

该数据集为动漫人物头像数据集，一共有21511个动漫人物头像，供大家使用。 可以用于训练GAN,DCGAN等一系列的生成对抗神经网络的实验。具体实验方法已经更新，大家可以点击我的主页进行查看，pytorch 使用DCGAN生成动漫人物头像。 入门级实战必看的小例子，大家可以自行查看。欢迎大家进行探讨讨论，提出更优秀的训练方法。

我们将使用 Celeb-A Faces 数据集，该数据集可在链接的站点或 Google 云端硬盘中下载。 数据集将下载为名为img_align_celeba.zip的文件。 下载完成后，创建一个名为celeba的目录，并将 zip 文件解压缩到该目录中。 然后，将此笔记本的dataroot 输入设置为刚创建的celeba目录 /path/to/celeba -> img_align_celeba -> 188242.jpg -> 173822.jpg -> 284702.jpg -> 537394.jpg

直流电源 DCGAN网络用于协助图像生成和扩展数据集。

红外弱小目标数据集(https://github.com/wanghuanphd/MDvsFA_cGAN.git) 删除了部分损坏的图像

本数据集（MNIST）用于 DCGAN 项目 项目基于 PyTorch 框架

SGAN:用自己的图片 # 导入需要的包 from PIL import Image # Image 用于读取影像 from skimage import io # io也可用于读取影响，效果比Image读取的更好一些 import tensorflow as tf # 用于构建神经网络模型 import matplotlib.pyplot as plt # 用于绘制生成影像的结果 import numpy as np # 读取影像 import os # 文件夹操作 import time # 计时 from keras.layers import Input, Dense,

DCGAN-plus-cnn分类器 使用DCGAN进行数据扩充，使用cnn分类器进行分类

第三代半导体 SICGaN行业研究报告.pdf

pytorch学习练手项目 pytorch版本DCGAN生成二次元头像, 包含源码训练测试代码，以及训练数据和训练权重