- GAN实战/深度学习系列
- - 作者：(英)雅各布·朗格尔//(美)弗拉基米尔·博克|责编:吴晋瑜|译者:罗家佳
  - 出版社：人民邮电
  - ISBN：9787115550842
  - 出版日期：2021/03/01
  - 页数：200
- 售价：27.6

内容大纲
    本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12章，先介绍生成模型以及GAN的工作原理，并概述它们的潜在用途，然后探索GAN的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。
    本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对抗样本以及目标数据等任务，让所构建的系统变得智能、有效和快速。
    本书适合有一定Python经验且有基于深度学习的图像处理基础的数据专业人员阅读。
作者介绍
目录
第一部分  生成对抗网络（GAN）与生成模型导论
  第1章  GAN简介
    1.1  什么是GAN
    1.2  GAN是如何工作的
    1.3  GAN实战
      1.3.1  GAN的训练
      1.3.2  达到平衡
    1.4  为什么要学GAN
    1.5  小结
  第2章  自编码器生成模型入门
    2.1  生成模型简介
    2.2  自编码器如何用于高级场景
    2.3  什么是GAN的自编码器
    2.4  自编码器的构成
    2.5  自编码器的使用
    2.6  无监督学习
      2.6.1  吐故纳新
      2.6.2  使用自编码器生成
      2.6.3  变分自编码器
    2.7  代码就是生命
    2.8  为什么要尝试使用GAN
    2.9  小结
  第3章  你的第一个GAN模型：生成手写数字.
    3.1  GAN的基础：对抗训练
      3.1.1  代价函数
      3.1.2  训练过程
    3.2  生成器和鉴别器
      3.2.1  对抗的目标
      3.2.2  混淆矩阵
    3.3  GAN训练算法
    3.4  教程：生成手写数字
      3.4.1  导入模块并指定模型输入维度
      3.4.2  构造生成器
      3.4.3  构造鉴别器
      3.4.4  搭建整个模型
      3.4.5  训练
      3.4.6  输出样本图像
      3.4.7  运行模型
      3.4.8  检查结果
    3.5  结论
    3.6  小结
  第4章  深度卷积生成对抗网络（DCGAN）
    4.1  卷积神经网络
      4.1.1  卷积滤波器
      4.1.2  参数共享
      4.1.3  卷积神经网络可视化
    4.2  DCGAN简史
  ……
第二部分  GAN的前沿主题
  第5章  训练与普遍挑战：为成功而GAN

  第6章  渐进式增长生成对抗网络（PGGAN）
  第7章  半监督生成对抗网络（SGAN）
  第8章  条件生成对抗网络（CGAN）
  第9章  循环一致性生成对抗网络（CycleGAN）
第三部分  何去何从
  第10章  对抗样本
  第11章  GAN的实际应用
  第12章  展望未来

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目