實戰(zhàn)GAN：TensorFlow與Keras生成對抗網(wǎng)絡(luò)構(gòu)建

定　價：￥79.00

作　者：	（美）Josh Kalin（喬什-卡林）
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥79.00)

ISBN：	9787121374098	出版時間：	2019-10-01	包裝：
開本：	16開	頁數(shù)：	224	字數(shù)：

內(nèi)容簡介

　　本書通過多個不同的生成對抗網(wǎng)絡(luò)（GAN）架構(gòu)的實現(xiàn)來幫助讀者更好地理解生成對抗網(wǎng)絡(luò)背后的原理及其構(gòu)建方式。書中還提供了大量易于理解并可以直接使用的GAN代碼及其部署方式和數(shù)據(jù)集，以幫助讀者更快地上手解決工作中所面臨的問題并積極應對相關(guān)挑戰(zhàn)。本書適合數(shù)據(jù)科學家、算法工程師、數(shù)據(jù)挖掘工程師以及機器學習領(lǐng)域相關(guān)的從業(yè)人員用來學習使用全新的深度學習技術(shù)解決工作中的問題，也適合機器學習和深度學習的愛好者、初學者用來體驗深度學習的魅力。

作者簡介

　　Josh Kalin 是一位物理學家和技術(shù)專家，他關(guān)注于機器人學和機器學習的交叉領(lǐng)域。Josh致力于先進的傳感器，工業(yè)機器人，機器學習和自動化車輛研究項目。他同時擁有物理學，機械工程以及計算機科學的學位。在業(yè)余時間，他喜歡研究車輛（擁有36輛汽車），組裝計算機以及學習機器人以及機器學習領(lǐng)域的新技術(shù)（例如撰寫本書）。劉夢馨，北京大學碩士研究生，曾在阿里技術(shù)保障部擔任系統(tǒng)工程師，后加入靈雀云從事容器云平臺調(diào)度系統(tǒng)和容器網(wǎng)絡(luò)相關(guān)方向的開發(fā)，專注于分布式系統(tǒng)和機器學習的研究和動向；譯有《Java微服務(wù)測試：基于Arquillian、Hoverfly、AssertJ、JUnit、Selenium與Mockito》《GAN：實戰(zhàn)生成對抗網(wǎng)絡(luò)》《Mesos：大數(shù)據(jù)資源調(diào)度與大規(guī)模容器運行*佳實踐》等書。

圖書目錄

目錄
序言\t1
第1章什么是生成對抗網(wǎng)絡(luò)\t7
簡介\t7
生成模型和判別模型\t8
工作流程\t8
工作原理\t9
神經(jīng)網(wǎng)絡(luò)的“愛情故事”\t10
工作流程\t10
工作原理\t11
深度神經(jīng)網(wǎng)絡(luò)\t11
工作流程\t11
工作原理\t12
架構(gòu)基礎(chǔ)\t13
工作流程\t13
工作原理\t14
基本構(gòu)建塊――生成器\t15
工作流程\t15
工作原理\t15
基本構(gòu)建塊――判別器\t16
工作流程\t16
工作原理\t17
基本構(gòu)建塊――損失函數(shù)\t18
工作流程\t18
工作原理\t18
訓練\t20
工作流程\t20
工作原理\t20
以不同方式組織GAN\t20
工作流程\t21
工作原理\t21
GAN的輸出是什么\t22
工作流程\t22
工作原理\t22
理解GAN架構(gòu)的優(yōu)點\t24
工作流程\t24
工作原理\t25
練習\t25
第2章數(shù)據(jù)優(yōu)先、環(huán)境和數(shù)據(jù)準備\t27
簡介\t27
數(shù)據(jù)是否如此重要\t27
準備工作\t28
工作流程\t28
工作原理\t29
更多內(nèi)容\t29
搭建開發(fā)環(huán)境\t29
準備工作\t30
工作流程\t30
更多內(nèi)容\t35
數(shù)據(jù)類型\t35
準備工作\t36
工作流程\t36
工作原理\t38
更多內(nèi)容\t40
數(shù)據(jù)預處理\t41
準備工作\t41
工作流程\t41
工作原理\t42
更多內(nèi)容\t45
異常數(shù)據(jù)\t46
準備工作\t46
工作流程\t46
更多內(nèi)容\t49
平衡數(shù)據(jù)\t49
準備工作\t49
工作流程\t49
更多內(nèi)容\t53
數(shù)據(jù)強化\t54
準備工作\t54
工作流程\t55
工作原理\t56
更多內(nèi)容\t57
練習\t58
第3章用100行代碼實現(xiàn)第一個GAN\t59
簡介\t59
從理論到實踐――一個簡單例子\t59
準備工作\t60
工作流程\t60
參考內(nèi)容\t62
使用Keras和TensorFlow構(gòu)建神經(jīng)網(wǎng)絡(luò)\t62
準備工作\t63
工作流程\t63
參考內(nèi)容\t66
解釋你的第一個GAN組件――判別器\t66
準備工作\t67
工作流程\t67
解釋你的第二個GAN組件――生成器\t71
準備工作\t71
工作流程\t71
組合GAN組件\t75
準備工作\t76
工作流程\t76
訓練你的第一個GAN\t78
準備工作\t78
工作流程\t78
訓練模型并理解GAN的輸出\t84
準備工作\t84
工作流程\t84
工作原理\t86
練習\t87
第4章使用DCGAN創(chuàng)造新的室外結(jié)構(gòu)\t89
簡介\t89
什么是DCGAN？一個簡單的偽代碼樣例\t89
準備工作\t90
工作流程\t90
參考內(nèi)容\t93
工具――是否需要特殊的工具\t93
準備工作\t93
工作流程\t94
更多內(nèi)容\t97
參考內(nèi)容\t97
解析數(shù)據(jù)――數(shù)據(jù)是否獨特\t97
準備工作\t97
工作流程\t98
代碼實現(xiàn)――生成器\t100
準備工作\t100
工作流程\t100
參考內(nèi)容\t103
代碼實現(xiàn)――判別器\t103
準備工作\t104
工作流程\t104
參考內(nèi)容\t107
訓練\t107
準備工作\t107
工作流程\t107
評估――如何判斷它是否有效\t114
準備工作\t115
工作原理\t115
調(diào)整參數(shù)優(yōu)化性能\t116
工作流程\t116
練習\t118
第5章 Pix2Pix圖像轉(zhuǎn)換\t119
簡介\t119
使用偽代碼介紹Pix2Pix\t119
準備工作\t120
工作流程\t120
數(shù)據(jù)集解析\t122
準備工作\t122
工作流程\t123
代碼實現(xiàn)――生成器\t124
準備工作\t124
工作流程\t125
代碼實現(xiàn)――GAN\t127
準備工作\t127
工作流程\t128
代碼實現(xiàn)――判別器\t129
準備工作\t129
工作流程\t129
訓練\t131
準備工作\t131
工作流程\t132
練習\t139
第6章使用CycleGAN進行圖像風格轉(zhuǎn)換\t141
簡介\t141
偽代碼――工作原理\t141
準備工作\t142
工作流程\t142
解析CycleGAN數(shù)據(jù)集\t144
準備工作\t144
工作流程\t145
代碼實現(xiàn)――生成器\t147
準備工作\t147
工作流程\t148
代碼實現(xiàn)――判別器\t150
準備工作\t150
工作流程\t151
代碼實現(xiàn)――GAN\t153
準備工作\t153
工作流程\t154
訓練\t155
準備工作\t155
工作流程\t156
練習\t162
第7章利用SimGAN使用模擬圖像制作具有真實感的眼球圖片\t163
簡介\t163
SimGAN架構(gòu)的工作原理\t163
準備工作\t164
工作流程\t164
偽代碼――工作原理\t165
準備工作\t165
工作流程\t165
如何使用訓練數(shù)據(jù)\t166
準備工作\t166
工作流程\t166
代碼實現(xiàn)――損失函數(shù)\t169
準備工作\t169
工作流程\t169
代碼實現(xiàn)――生成器\t170
準備工作\t170
工作流程\t171
代碼實現(xiàn)――判別器\t173
準備工作\t173
工作流程\t174
代碼實現(xiàn)――GAN\t176
準備工作\t176
工作流程\t177
訓練SimGAN\t178
準備工作\t178
工作流程\t179
練習\t183
第8章使用GAN從圖像生成3D模型\t185
簡介\t185
使用GAN生成3D模型\t185
準備工作\t186
工作流程\t186
環(huán)境準備\t188
準備工作\t189
工作流程\t189
對2D數(shù)據(jù)進行編碼并匹配3D對象\t190
準備工作\t191
工作流程\t191
代碼實現(xiàn)――生成器\t193
準備工作\t193
工作流程\t194
代碼實現(xiàn)――判別器\t196
準備工作\t196
工作流程\t197
代碼實現(xiàn)――GAN\t199
準備工作\t199
工作流程\t199
訓練模型\t200
準備工作\t201
工作流程\t201
練習\t208