长江、黄河、淮河、济水在古代稱为“四渎”如今济水哪里去了？

公元1278年时年42岁的文天祥以俘虏身份乘船经过零丁洋。

分享一个我们做过的案例全过程

通过DCGAN实现动漫人物图像的自动生成，我们也总结了这套方法的问题和后续解决方案本篇内容来自于阿里巴巴淘系技术部宝澜。

基于生荿对抗网络（GAN）的动漫人物生成近年来兴起的动漫产业新技术传统的GAN模型利用反向传播算法，通过生成器和判别器动态对抗得到一个目标生成模型。由于训练过程不稳定网络难以收敛，导致生成的图像缺乏多样性和准确性甚至会产生模式崩溃。本文基于深度学习參考相关实战项目pytorch-book，学习网络的训练方法采用经过标准化处理和分类的动漫人物面部图像知乎用户何之源分享的素材，训练DCGAN实现动漫囚物图像自动生成。在训练过程中控制实验参数，进行定量分析和优化得到可自动生成动漫人物图像的生成器模型。主要工作如下：

• 設计DCGAN网络模型对课题中所涉及到GAN原理、优化器等技术进行分析，并根据DCGAN的基本原则设计面向动漫人物生成的神经网络
• 建立图像样本库。采集40000张动漫人物图像按照比例随机分为训练集和测试集，并利用数据集对DCGAN进行无监督训练以及测试
• 实现并训练DCGAN网络。使用Pytorch作为DCGAN的框架利用Vidsom将图像生成过程的可视化，完成目标网络的构造以及训练在训练过程中，控制实验参数进行定量分析和优化，得到一组高质量网络参数

随着二次元文化逐渐走进大众视野，各种动漫作品所塑造的角色已经成为一种特殊的文化符号但是，由于动漫本身复杂的性质其对于制作成本，质量创意都有较高的要求，导致动漫行业频频出现投入高收益低的现象。由于生成对抗网络（GAN）在图像生成領域和视频生成领域具有巨大的发展潜力许多研究者尝试从GAN入手，实现动漫图像的自动生成为创作者带来了灵感，还节省了巨额创作開支

目前已有的动漫图像生成方式主要分为两种，第一种是基于已有的真实人脸图片，进行人脸风格迁移U-GAT-IT项目利用图像处理将原始圖像内容与动漫风格相融合，实现动漫风格转换如图

————————————————————————————————————————

本账号主体为阿里巴巴淘系技术，淘系技术部隶属于阿里巴巴新零售技术事业群旗下包含淘宝技术、天猫技术、农村淘宝技术、闲鱼、躺平等团队和业务，是一支是具有商业和技术双重基因的螺旋体

入驻知乎，将会给大家带来超多干货分享立体化输出我们对於技术和商业的思考与见解。

欢迎收藏点赞关注我们！共同进步~ ：）更多技术干货可关注【淘系技术】公众号