生成对抗网络（GAN）的理解

最近看到了一篇关于漏洞挖掘的论文，其利用对抗生成网络来生成不同类型的测试样本，提高了传统模糊测试的漏洞挖掘效率，降低了专业知识掌握的深度，因此开始学习gan,以及在gan的基础上衍生的其他各种gans的理解，附上所查资料的链接，日后共享

1、GAN网络的逐句代码解析
https://blog.csdn.net/jiongnima/article/details/80033169
2、一文看懂生成式对抗网络GANs：介绍指南及前景展望
https://36kr.com/p/5086889
3、WGAN代码解读及实验总结
https://blog.csdn.net/CLOUD_J/article/details/94392474
4、GAN代码解析(tensorflow实现)文章结尾有GAN资料合集
https://blog.csdn.net/u013818406/article/details/73718265
5、生成式对抗网络GAN研究进展（二）——原始GAN
https://blog.csdn.net/solomon1558/article/details/52549409
6、WGAN(wasserstein GAN)
https://blog.csdn.net/qq_31239495/article/details/83145651
7、六种GAN评估指标的综合评估实验，迈向定量评估GAN的重要一步
https://www.jiqizhixin.com/articles/2018-07-02-3