《GAN生成對抗神經網路原理與實踐》是北京大學出版社出版圖書。
基本介紹
- 中文名：GAN生成對抗神經網路原理與實踐
- 作者：李明軍
- 出版社：北京大學出版社
- 頁數：296 頁
- ISBN：9787301321164
- 開本：16 開
- 裝幀：平裝
內容簡介,目錄,
內容簡介
生成對抗神經網路（Generative Adversarial Nets，GAN）作為一種深度學習框架，發展十分迅猛。通過相互對抗的神經網路模型，GAN能夠生成結構複雜且十分逼真的高維度數據。因此，GAN被廣泛地套用在學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成等；序列數據生成，如語音生成、音樂生成等；以及其他眾多領域，如遷移學習、醫學圖像細分、隱寫術、持續學習（深度學習重放）等。
GAN的技術較為複雜，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套用場景時，才能夠做到胸有成竹。其次，掌握生成對抗的基本原理，以及實現生成對抗的關鍵技術。這樣，當我們面對在GAN領域出現的各種新理念、新技術時，才能夠追本溯源，從容應對。最後，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，讓有志於學習研究GAN的人能夠快速入門並掌握GAN的關鍵技術。
目錄
第1章 生成對抗神經網路綜述 1
1.1 什麼是生成對抗神經網路？ 2
1.2 為什麼要學習GAN？ 5
1.3 套用場景 9
1.4 技術難點 18
1.5 潛在空間的處理 22
1.6 第一個GAN實戰 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 神經網路原理 43
3.1 套用場景簡介 44
3.2 深層神經網路簡介 46
3.3 卷積神經網路簡介 53
3.4 反卷積神經網路簡介 61
第4章 TensorFlow 2.0開發入門 65
4.1 開發環境 66
4.2 張量 68
4.3 Keras開發概覽 72
4.4 使用函式接口開發 87
4.5 網路層 99
4.6 激活函式 104
4.7 損失函式 108
4.8 最佳化器 110
第5章 常用數據集 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 使用多種激活函式 125
6.4 在MNIST數據集上的實現 126
6.5 在LSUN數據集上的實現 139
第7章 CGAN 148
7.1 CGAN概述 149
7.2 在MNIST數據集上的實現 153
第8章 InfoGAN 179
8.1 技術原理 180
8.2 模型實現技巧 183
8.3 在MNIST數據集上的實現 185
8.4 在Fashion MNIST數據集上
的實現 201
第9章 SGAN 204
9.1 技術原理 205
9.2 模型訓練 207
9.3 SGAN在MNIST數據集上的
實現 210
9.4 SGAN在CIFAR數據集上的
實現 242
第10章 CycleGAN 267
10.1 CycleGAN簡介 268
10.2 技術原理 268
10.3 技術實現 270
