GAN LSGAN（Least Squares GAN）
LSGAN（Least Squares GAN）の実装です。DCGANの派生として、学習のさらなる安定化と高品質な画像生成を目的に提案されたGANの仕組みと特徴を、実装コードとあわせて解説します。
AI
GAN 
GAN CGAN（Conditional GAN）
CGAN（Conditional GAN）の実装です。通常のGANではノイズから画像がランダムに生成されますが、CGANでは生成時にクラスラベルを指定することで狙った画像を生成できます。その仕組みを解説します。
GAN WGAN-GP（Train Wasserstein GAN with Gradient Penalty）
WGANを改良したWGAN-GPの実装です。WGANでは重みのクリッピングにより勾配消失や勾配爆発が起きやすい課題がありました。勾配そのものに制約をかけるGradient Penaltyの手法を解説します。
GAN WGAN（Wasserstein GAN）
WGAN（Wasserstein GAN）の実装です。学習が安定しない、勾配消失が起こりやすい、モード崩壊が起こるといったGANの問題に対し、Wasserstein距離による損失計算がどう効くのかを解説します。
GAN DCGAN (Deep Convolutional GAN)
DCGAN（Deep Convolutional GAN）の実装です。畳み込みニューラルネットワークによる敵対的生成の仕組みを、最初のGANと比較しやすいようMNISTデータセットを使って解説します。
DeepLearning 最初のGAN（Genera tive Adversarial Networks）
最初のGAN（Generative Adversarial Networks）を実装しながら、生成モデルと敵対的生成ネットワークについて調べました。構造がシンプルなので、GANの考え方を理解する入り口としておすすめです。