生成對抗網路入門指南（第2版）

作品簡介

生成對抗網路毫無疑問是當今熱門的人工智慧技術之一，曾被美國《麻省理工科技評論》評選為“全球十大突破性技術”。《生成對抗網路入門指南》是一本結合基礎理論與工程實踐的入門型書籍，深入淺出地講解了生成對抗網路的各類模型以及技術發展。本書面向機器學習從業人員、在校相關專業學生以及具備一定基礎的人工智慧領域愛好者。通過本書的學習，能夠了解生成對抗網路的技術原理，並通過書中的代碼實例深入技術細節。本書共分12個章節，其中前半部分分別介紹了目前研究領域已經較為成熟的生成對抗網路模型，比如DCGAN、WGAN等等，以及大量不同結構的生成對抗網路變種。本書後半部分介紹了文本到圖像的生成、圖像到圖像的生成、離散數據的生成以及當前前沿的高質量生成技術，結尾總結了目前生成對抗網路在行業套用中的研究與發展。希望本書能夠幫助廣大讀者跟上新技術的前沿，成為人工智慧時代的先行者。

作品目錄

前言

第1章　人工智慧入門

1.1　人工智慧的歷史以及發展

1.2　機器學習與深度學習

1.3　了解生成對抗網路

1.4　本章小結

第2章　預備知識與開發工具

2.1　Python語言與開發框架

2.2　TensorFlow基礎入門

2.3　Keras基礎入門

2.4　本章小結

第3章　理解生成對抗網路

3.1　生成模型

3.2　GAN的數學原理

3.3　GAN的可視化理解

3.4　GAN的工程實踐

3.5　本章小結

第4章　深度卷積生成對抗網路

4.1　DCGAN的框架

4.2　DCGAN的工程實踐

4.3　DCGAN的實驗性套用

4.4　本章小結

第5章　Wasserstein GAN

5.1　GAN的最佳化問題

5.2　WGAN的理論研究

5.3　WGAN的工程實踐

5.4　WGAN的實驗效果分析

5.5　WGAN的改進方案：WGAN-GP

5.6　本章小結

第6章　不同結構的GAN

6.1　GAN與監督式學習

6.2　GAN與半監督式學習

6.3　GAN與無監督式學習

6.4　本章小結

第7章　文本到圖像的生成

7.1　文本條件式生成對抗網路

7.2　文本生成圖像進階：GAWWN

7.3　文本到高質量圖像的生成

7.4　本章小結

第8章　圖像到圖像的生成

8.1　可互動圖像轉換：iGAN

8.2　匹配數據圖像轉換：Pix2Pix

8.3　非匹配數據圖像轉換：CycleGAN

8.4　多領域圖像轉換：StarGAN

生成對抗網路入門指南（第2版）

基本介紹

作品簡介

作品目錄

相關詞條

熱門詞條