中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
GAN生成對抗神經網絡原理與實踐 版權信息
- ISBN：9787301321164
- 條形碼：9787301321164 ; 978-7-301-32116-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
GAN生成對抗神經網絡原理與實踐 本書特色
1.概覽全景：首先，本書對GAN進行全景式的介紹，讓讀者能夠了解GAN的技術起源、在應用領域的發展演變過程、在技術上面臨的主要挑戰，以及解決這些挑戰的思路和對策。 2. 詳解原理：其次，本書詳細介紹了GAN的基本原理，即通過生成模型（Generative Model，G）和判別模型（Discriminative Model，D）的相互對抗，*終實現生成模型具備生成足夠逼真的高維度數據（如圖像或音樂）的能力。 3. 案例豐富：*后，本書介紹了幾種常用的、有代表性的GAN模型實戰，包括原始的GAN、DCGAN（基于深層卷積網絡的GAN）、CGAN（有條件約束的GAN）、InfoGAN（自動捕獲圖像中關鍵特征的GAN）、SGAN（多層堆疊的GAN）、CycleGAN（循環一致的GAN）等。這些GAN模型涵蓋了GAN在發展演變過程中各個階段面臨的挑戰與對策，可讓讀者掌握各種各樣的GAN的關鍵原理和實戰代碼。
GAN生成對抗神經網絡原理與實踐 內容簡介
生成對抗神經網絡（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絡模型，GAN能夠生成結構復雜且十分逼真的高維度數據。因此，被廣泛應用于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；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、醫學圖象細分、隱寫術、持續學習（深度學習重放）等。 GAN的技術較為復雜，細分領域眾多，發展十分迅猛，因此，需要一個科學有效的學習方法。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，在面對各種各樣的應用場景時能夠胸有成竹。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，在面對GAN領域出現的各種新理念、新技術時能夠追本溯源，從容應對。很后，再針對關鍵的GAN進行深入研究。本書正是按照上述方式來組織的。讓有志于學習研究GAN的讀者快速入門并掌握GAN的關鍵技術，是寫作本書的初衷。
GAN生成對抗神經網絡原理與實踐 目錄
第1章 生成對抗神經網絡綜述 1
1.1 什么是生成對抗神經網絡？ 2
1.2 為什么要學習GAN？ 5
1.3 應用場景 9
1.4 技術難點 18
1.5 潛在空間的處理 22
1.6 **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 神經網絡原理 43
3.1 應用場景簡介 44
3.2 深層神經網絡簡介 46
3.3 卷積神經網絡簡介 53
3.4 反卷積神經網絡簡介 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 使用函數接口開發 87
4.5 網絡層 99
4.6 激活函數 104
4.7 損失函數 108
4.8 優化器 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 使用多種激活函數 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
1.1 什么是生成對抗神經網絡？ 2
1.2 為什么要學習GAN？ 5
1.3 應用場景 9
1.4 技術難點 18
1.5 潛在空間的處理 22
1.6 **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 神經網絡原理 43
3.1 應用場景簡介 44
3.2 深層神經網絡簡介 46
3.3 卷積神經網絡簡介 53
3.4 反卷積神經網絡簡介 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 使用函數接口開發 87
4.5 網絡層 99
4.6 激活函數 104
4.7 損失函數 108
4.8 優化器 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 使用多種激活函數 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
展開全部
GAN生成對抗神經網絡原理與實踐 作者簡介
李明軍，資深數據挖掘與人工智能專家，在大數據分析與挖掘、機器學習、人工智能等領域實戰經驗豐富。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、生成對抗網絡、強化學習等。著有《TensorFlow深度學習實戰大全》。
書友推薦
- >
巴金－再思錄
- >
李白與唐代文化
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮虎
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
