GAN生成對抗神經(jīng)網(wǎng)絡(luò)原理與實踐

定　價：￥79.00

作　者：	李明軍著
出版社：	北京大學(xué)出版社
叢編項：
標(biāo)　簽：	計算機/網(wǎng)絡(luò) 網(wǎng)絡(luò)配置與管理網(wǎng)絡(luò)與數(shù)據(jù)通信

購買這本書可以去

ISBN：	9787301321164	出版時間：	2021-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	296	字?jǐn)?shù)：

內(nèi)容簡介

　　生成對抗神經(jīng)網(wǎng)絡(luò)（Generative Adversarial Nets，GAN）作為一種深度學(xué)習(xí)框架，發(fā)展十分迅猛。通過相互對抗的神經(jīng)網(wǎng)絡(luò)模型，GAN能夠生成結(jié)構(gòu)復(fù)雜且十分逼真的高維度數(shù)據(jù)。因此，GAN被廣泛地應(yīng)用在學(xué)術(shù)研究和工程領(lǐng)域，包括圖像處理，如圖像生成、圖像轉(zhuǎn)換、視頻合成等；序列數(shù)據(jù)生成，如語音生成、音樂生成等；以及其他眾多領(lǐng)域，如遷移學(xué)習(xí)、醫(yī)學(xué)圖像細(xì)分、隱寫術(shù)、持續(xù)學(xué)習(xí)（深度學(xué)習(xí)重放）等。 GAN的技術(shù)較為復(fù)雜，細(xì)分領(lǐng)域眾多，因此需要有一個高效率的學(xué)習(xí)方法。首先，需要了解GAN的全景，對GAN的發(fā)展脈絡(luò)和各個細(xì)分領(lǐng)域都有所了解。這樣，當(dāng)我們面對各種各樣的應(yīng)用場景時，才能夠做到胸有成竹。其次，掌握生成對抗的基本原理，以及實現(xiàn)生成對抗的關(guān)鍵技術(shù)。這樣，當(dāng)我們面對在GAN領(lǐng)域出現(xiàn)的各種新理念、新技術(shù)時，才能夠追本溯源，從容應(yīng)對。最后，針對自己感興趣的GAN進行深入地研究。本書正是這樣組織的，讓有志于學(xué)習(xí)研究GAN的人能夠快速入門并掌握GAN的關(guān)鍵技術(shù)。

作者簡介

　　李明軍，資深數(shù)據(jù)挖掘與人工智能專家，在大數(shù)據(jù)分析與挖掘、機器學(xué)習(xí)、人工智能等領(lǐng)域?qū)崙?zhàn)經(jīng)驗豐富。華北理工大學(xué)學(xué)士，曾就職于Teradata、中國惠普、神州泰岳和億陽信通，現(xiàn)工作于東方國信。在知乎著有多個專欄：計算機視覺、生成對抗網(wǎng)絡(luò)、強化學(xué)習(xí)等。著有《TensorFlow深度學(xué)習(xí)實戰(zhàn)大全》。

圖書目錄

第1章生成對抗神經(jīng)網(wǎng)絡(luò)綜述　　　　1
1.1 什么是生成對抗神經(jīng)網(wǎng)絡(luò)？　　　　2
1.2 為什么要學(xué)習(xí)GAN？　　　　5
1.3 應(yīng)用場景　　　　9
1.4 技術(shù)難點　　　　18
1.5 潛在空間的處理　　　　22
1.6 第一個GAN實戰(zhàn)　　　　27
第2章 TensorFlow 2.0安裝　　　　39
2.1 通過Docker安裝　　　　40
2.2 通過conda安裝　　　　41
第3章神經(jīng)網(wǎng)絡(luò)原理　　　　43
3.1 應(yīng)用場景簡介　　　　44
3.2 深層神經(jīng)網(wǎng)絡(luò)簡介　　　　46
3.3 卷積神經(jīng)網(wǎng)絡(luò)簡介　　　　53
3.4 反卷積神經(jīng)網(wǎng)絡(luò)簡介　　　　61
第4章 TensorFlow 2.0開發(fā)入門　　　　65
4.1 開發(fā)環(huán)境　　　　66
4.2 張量　　　　68
4.3 Keras開發(fā)概覽　　　　72
4.4 使用函數(shù)接口開發(fā)　　　　87
4.5 網(wǎng)絡(luò)層　　　　99
4.6 激活函數(shù)　　　　104
4.7 損失函數(shù)　　　　108
4.8 優(yōu)化器　　　　110
第5章常用數(shù)據(jù)集　　　　112
5.1 MNIST　　　　113
5.2 Fashion-MNIST　　　　115
5.3 CIFAR-10　　　　118
5.4 CIFAR-100　　　　120
第6章 DCGAN　　　　123
6.1 DCGAN概述　　　　124
6.2 批量標(biāo)準(zhǔn)化　　　　124
6.3 使用多種激活函數(shù)　　　　125
6.4 在MNIST數(shù)據(jù)集上的實現(xiàn)　　　　126
6.5 在LSUN數(shù)據(jù)集上的實現(xiàn)　　　　139
第7章 CGAN　　　　148
7.1 CGAN概述　　　　149
7.2 在MNIST數(shù)據(jù)集上的實現(xiàn)　　　　153
第8章 InfoGAN　　　　179
8.1 技術(shù)原理　　　　180
8.2 模型實現(xiàn)技巧　　　　183
8.3 在MNIST數(shù)據(jù)集上的實現(xiàn)　　　　185
8.4 在Fashion MNIST數(shù)據(jù)集上
的實現(xiàn)　　　　201
第9章 SGAN　　　　204
9.1 技術(shù)原理　　　　205
9.2 模型訓(xùn)練　　　　207
9.3 SGAN在MNIST數(shù)據(jù)集上的
實現(xiàn)　　　　210
9.4 SGAN在CIFAR數(shù)據(jù)集上的
實現(xiàn)　　　　242
第10章 CycleGAN　　　　267
10.1 CycleGAN簡介　　　　268
10.2 技術(shù)原理　　　　268
10.3 技術(shù)實現(xiàn)　　　　270