# gan
作業6有四個架構，[作業連結](https://speech.ee.ntu.edu.tw/~hylee/ml/ml2022-course-data/Machine%20Learning%20HW6.pdf)
1. DCGAN
用convolution layer的模型來訓練gan
2. WGAN
使用不同的loss定義，並做wieght clip，並把sigmoid去掉
詳細的架構[wgan in github](https://github.com/Aesop-programmer/ML/blob/main/ML_HW6_wgan.ipynb)
結果:
3. WGAN-gp
與wgan非常類似，只再在做wieght clip時發現，所有的weight都會成為極值，因此我們用另一種做法來做這件事情(非常數學 很不懂) [論文](https://arxiv.org/abs/1704.00028)
[wgan_gp in github](https://github.com/Aesop-programmer/ML/blob/main/ML_HW6_wgan_gp.ipynb)
結果: