《生成對抗網路入門指南》是2018年11月1日機械工業出版社出版的圖書，作者是史丹青。
基本介紹
- 中文名：生成對抗網路入門指南
- 作者：史丹青
- 出版社：機械工業出版社
- ISBN：9787111610045
內容簡介,圖書目錄,
內容簡介
本書是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。
本書主要內容：
* 人工智慧入門知識與開發工具
* GAN的理論與實踐
* DCGAN，WGAN，cGAN等主流GAN衍生模型的介紹
* 文本到圖像的生成與圖像到圖像的生成
多媒體與藝術設計領域中的GAN套用
圖書目錄
前言
第1章人工智慧入門1
1.1人工智慧的歷史與發展1
1.1.1人工智慧的誕生3
1.1.2人工智慧的兩起兩落6
1.1.3新時代的人工智慧7
1.2機器學習與深度學習10
1.2.1機器學習分類11
1.2.2神經網路與深度學習12
1.2.3深度學習的套用13
1.3了解生成對抗網路15
1.3.1從機器感知到機器創造15
1.3.2什麼是生成對抗網路19
1.4本章小結20
第2章預備知識與開發工具21
2.1Python語言與開發框架21
2.1.1Python語言21
2.1.2常用工具簡介23
2.1.3第三方框架簡介26
2.2TensorFlow基礎入門27
2.2.1TensorFlow簡介與安裝27
2.2.2TensorFlow使用入門30
2.2.3Tensorflow實例：圖像分類31
2.3Keras基礎入門33
2.3.1Keras簡介與安裝33
2.3.2Keras使用入門34
2.3.3Keras實例：文本情感分析36
2.4 Floyd：使用深度學習雲平台運行程式38
2.4.1深度學習雲平台簡介38
2.4.2Floyd使用入門39
2.4.3Floyd實例：神經網路風格轉換43
2.5本章小結45
第3章理解生成對抗網路46
3.1生成模型46
3.1.1生成模型簡介46
3.1.2自動編碼器47
3.1.3變分自動編碼器50
3.2GAN的數學原理52
3.2.1最大似然估計52
3.2.2生成對抗網路的數學推導55
3.3GAN的可視化理解58
3.4GAN的工程實踐59
3.5本章小結67
第4章深度卷積生成對抗網路68
4.1DCGAN的框架68
4.1.1DCGAN設計規則68
4.1.2DCGAN框架結構72
4.2DCGAN的工程實踐73
4.3DCGAN的實驗性套用79
4.3.1生成圖像的變換79
4.3.2生成圖像的算術運算81
4.3.3殘缺圖像的補全83
4.4本章小結85
第5章WassersteinGAN86
5.1GAN的最佳化問題86
5.2WGAN的理論研究89
5.3WGAN的工程實踐92
5.4WGAN的實驗效果分析96
5.4.1代價函式與生成質量的相關性96
5.4.2生成網路的穩定性97
5.4.3模式崩潰問題99
5.5WGAN的改進方案：WGAN-GP100
5.6本章小結104
第6章不同結構的GAN105
6.1GAN與監督式學習105
6.1.1條件式生成：cGAN105
6.1.2cGAN在圖像上的套用106
6.2GAN與半監督式學習110
6.2.1半監督式生成：SGAN110
6.2.2輔助分類生成：ACGAN112
6.3GAN與無監督式學習113
6.3.1無監督式學習與可解釋型特徵113
6.3.2理解InfoGAN115
6.4本章小結119
第7章文本到圖像的生成120
7.1文本條件式生成對抗網路120
7.2文本生成圖像進階：GAWWN123
7.3文本到高質量圖像的生成127
7.3.1層級式圖像生成：StackGAN128
7.3.2層級式圖像生成的最佳化：StackGAN-v2132
7.4本章小結135
第8章圖像到圖像的生成136
8.1可互動圖像轉換：iGAN136
8.1.1可互動圖像轉換的用途136
8.1.2iGAN的實現方法138
8.1.3iGAN軟體簡介與使用方法140
8.2匹配數據圖像轉換：Pix2Pix143
8.2.1理解匹配數據的圖像轉換143
8.2.2Pix2Pix的理論基礎145
8.2.3Pix2Pix的套用實踐150
8.3非匹配數據圖像轉換：CycleGAN157
8.3.1理解非匹配數據的圖像轉換157
8.3.2CycleGAN的理論基礎160
8.3.3CycleGAN的套用實踐162
8.4 多領域圖像轉換：StarGAN166
8.4.1多領域的圖像轉換問題166
8.4.2StarGAN的理論基礎169
8.4.3StarGAN的套用實踐171
8.5本章小結177
第9章GAN的套用：從多媒體到藝術設計178
9.1GAN在多媒體領域的套用178
9.1.1圖像去模糊178
9.1.2人臉生成181
9.1.3音頻合成184
9.2GAN與AI藝術188
9.2.1AI能否創造藝術188
9.2.2AI與計算機藝術的發展190
9.2.3藝術生成網路：從藝術模仿到創意生成196
9.3GAN與AI設計202
9.3.1AI時代的設計202
9.3.2AI輔助式設計的研究205
9.4本章小結212
第10章GAN研究熱點213
10.1評估與最佳化213
10.2對抗攻擊216
10.3發展中的GAN219
參考文獻222
