GAN生成對抗神經(jīng)網(wǎng)絡原理與實踐

定　價：￥79.00

作　者：	李明軍著
出版社：	北京大學出版社
叢編項：
標　簽：	計算機/網(wǎng)絡網(wǎng)絡配置與管理網(wǎng)絡與數(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	字數(shù)：

內(nèi)容簡介

　　生成對抗神經(jīng)網(wǎng)絡（Generative Adversarial Nets，GAN）作為一種深度學習框架，發(fā)展十分迅猛。通過相互對抗的神經(jīng)網(wǎng)絡模型，GAN能夠生成結(jié)構(gòu)復雜且十分逼真的高維度數(shù)據(jù)。因此，GAN被廣泛地應用在學術(shù)研究和工程領域，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；以及其他眾多領域，如遷移學習、醫(yī)學圖像細分、隱寫術(shù)、持續(xù)學習（深度學習重放）等。 GAN的技術(shù)較為復雜，細分領域眾多，因此需要有一個高效率的學習方法。首先，需要了解GAN的全景，對GAN的發(fā)展脈絡和各個細分領域都有所了解。這樣，當我們面對各種各樣的應用場景時，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，當我們面對在GAN領域出現(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，讓有志于學習研究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、機器學習、人工智能等領域?qū)崙?zhàn)經(jīng)驗豐富。華北理工大學學士，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、強化學習等。著有《TensorFlow深度學習實戰(zhàn)大全》。

圖書目錄

第1章生成對抗神經(jīng)網(wǎng)絡綜述　　　　1
1.1 什么是生成對抗神經(jīng)網(wǎng)絡？　　　　2
1.2 為什么要學習GAN？　　　　5
1.3 應用場景　　　　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)絡原理　　　　43
3.1 應用場景簡介　　　　44
3.2 深層神經(jīng)網(wǎng)絡簡介　　　　46
3.3 卷積神經(jīng)網(wǎng)絡簡介　　　　53
3.4 反卷積神經(jīng)網(wǎng)絡簡介　　　　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 批量標準化　　　　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