CGAN的全拼是Conditional Generative Adversarial Networks，条件生成对抗网络，它是GAN真正大展拳脚的开始。

DCGAN（Deep Convolutional GAN）是基础GAN的改进版之一，也是第一个全卷积的GAN，使用了卷积神经网络代替了基础GAN中的多层感知机。

我们以mnist作为数据集，通过基础GAN生成一些'以假乱真'的手写字体。

生成对抗网络(GANs)是一种由两个相互竞争的网络组成的深度神经网络架构。

pytorch训练Skip-Gram模型实践。

pytorch训练CBOW模型实践。

pytorch训练Glove模型实践。

分布表示研究了上下文的概率分布，认为上下文相似的词，其语义也相似，由此将语义引入到文本表示中，词与词之间有了距离的概念。

离散表示将文本视为离散的一个个词的组合，词与词之间没有距离的概念，主要有词集模型和词袋模型两种思想。

词的表示，就是把分词之后的字和词语表示成计算机能够计算的类型。