實戰GAN：TensorFlow與Keras生成對抗網絡構建
劉夢馨
- 出版商: 電子工業
- 出版日期: 2019-10-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- ISBN: 7121374099
- ISBN-13: 9787121374098
-
相關分類:
DeepLearning、TensorFlow
- 此書翻譯自: Generative Adversarial Networks Cookbook: Over 100 recipes to build generative models using Python, TensorFlow, and Keras
立即出貨
買這商品的人也買了...
-
$301逆向分析實戰 -
$332GAN : 實戰生成對抗網絡 -
Python 深度學習實作：Keras 快速上手$500$390 -
圖解深度學習$354$336 -
$352生成對抗網絡入門指南 (Generative adversarial Networks) -
Python 強化學習實戰 : 應用 OpenAI Gym 和 TensorFlow 精通強化學習和深度強化學習$414$393 -
用科學方法玩金融：Python 智慧量化交易$560$442 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
$250Robot Framework 自動化測試框架核心指南 -
算法交易 交易系統 交易策略與執行方法$414$393 -
實戰人工智慧之深度強化學習｜使用 PyTorch x Python$500$395 -
$454強化學習：原理與Python實現 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
深度學習｜使用 Keras (Advanced Deep Learning with Keras: Applying GANs and other new deep learning algorithms to the real world)$560$442 -
$352生成對抗網絡項目實戰 (Generative Adversarial Networks Projects) -
選擇的能力 -- 探索人工智慧的核心$500$395 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
Python GUI 程式設計：PyQt5 實戰 (暢銷回饋版)$550$429 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
$454深度實踐 OCR：基於深度學習的文字識別 -
$505深入淺出 GAN 生成對抗網絡 : 原理剖析與 TensorFlow 實踐 -
深度學習之模型設計：核心算法與案例實踐$528$502 -
Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）$500$390 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式)$450$355
相關主題
商品描述
本書通過多個不同的生成對抗網絡（GAN）架構的實現來幫助讀者更好地理解生成對抗網絡背後的原理及其構建方式。書中還提供了大量易於理解並可以直接使用的GAN代碼及其部署方式和數據集，以幫助讀者更快地上手解決工作中所面臨的問題並積極應對相關挑戰。本書適合數據科學家、算法工程師、數據挖掘工程師以及機器學習領域相關的從業人員用來學習使用全新的深度學習技術解決工作中的問題，也適合機器學習和深度學習的愛好者、初學者用來體驗深度學習的魅力。
目錄大綱
序言1
第1章什麼是生成對抗網絡7
簡介7
生成模型和判別模型8
工作流程8
工作原理9
神經網絡的“愛情故事” 10
工作流程10
工作原理11
深度神經網絡11
工作流程11
工作原理12
架構基礎13
工作流程13
工作原理14
基本構建塊——生成器15
工作流程15
工作原理15
基本構建塊——判別器16
工作流程16
工作原理17
基本構建塊——損失函數18
工作流程18
工作原理18
訓練20
工作流程20
工作原理20
以不同方式組織GAN 20
工作流程21
工作原理21
GAN的輸出是什麼22
工作流程22
工作原理22
理解GAN架構的優點24
工作流程24
工作原理25
練習25
第2章數據優先、環境和數據準備27
簡介27
數據是否如此重要27
準備工作28
工作流程28
工作原理29
更多內容29
搭建開發環境29
準備工作30
工作流程30
更多內容35
數據類型35
準備工作36
工作流程36
工作原理38
更多內容40
數據預處理41
準備工作41
工作流程41
工作原理42
更多內容45
異常數據46
準備工作46
工作流程46
更多內容49
平衡數據49
準備工作49
工作流程49
更多內容53
數據強化54
準備工作54
工作流程55
工作原理56
更多內容57
練習58
第3章用100行代碼實現第一個GAN 59
簡介59
從理論到實踐——一個簡單例子59
準備工作60
工作流程60
參考內容62
使用Keras和TensorFlow構建神經網絡62
準備工作63
工作流程63
參考內容66
解釋你的第一個GAN組件——判別器66
準備工作67
工作流程67
解釋你的第二個GAN組件——生成器71
準備工作71
工作流程71
組合GAN組件75
準備工作76
工作流程76
訓練你的第一個GAN 78
準備工作78
工作流程78
訓練模型並理解GAN的輸出84
準備工作84
工作流程84
工作原理86
練習87
第4章使用DCGAN創造新的室外結構89
簡介89
什麼是DCGAN？一個簡單的偽代碼樣例89
準備工作90
工作流程90
參考內容93
工具——是否需要特殊的工具93
準備工作93
工作流程94
更多內容97
參考內容97
解析數據——數據是否獨特97
準備工作97
工作流程98
代碼實現——生成器100
準備工作100
工作流程100
參考內容103
代碼實現——判別器103
準備工作104
工作流程104
參考內容107
訓練107
準備工作107
工作流程107
評估——如何判斷它是否有效114
準備工作115
工作原理115
調整參數優化性能116
工作流程116
練習118
第5章Pix2Pix圖像轉換119
簡介119
使用偽代碼介紹Pix2Pix 119
準備工作120
工作流程120
數據集解析122
準備工作122
工作流程123
代碼實現——生成器124
準備工作124
工作流程125
代碼實現——GAN 127
準備工作127
工作流程128
代碼實現——判別器129
準備工作129
工作流程129
訓練131
準備工作131
工作流程132
練習139
第6章使用CycleGAN進行圖像風格轉換141
簡介141
偽代碼——工作原理141
準備工作142
工作流程142
解析CycleGAN數據集144
準備工作144
工作流程145
代碼實現——生成器147
準備工作147
工作流程148
代碼實現——判別器150
準備工作150
工作流程151
代碼實現——GAN 153
準備工作153
工作流程154
訓練155
準備工作155
工作流程156
練習162
第7章利用SimGAN使用模擬圖像製作具有真實感的眼球圖片163
簡介163
SimGAN架構的工作原理163
準備工作164
工作流程164
偽代碼——工作原理165
準備工作165
工作流程165
如何使用訓練數據166
準備工作166
工作流程166
代碼實現——損失函數169
準備工作169
工作流程169
代碼實現——生成器170
準備工作170
工作流程171
代碼實現——判別器173
準備工作173
工作流程174
代碼實現——GAN 176
準備工作176
工作流程177
訓練SimGAN 178
準備工作178
工作流程179
練習183
第8章使用GAN從圖像生成3D模型185
簡介185
使用GAN生成3D模型185
準備工作186
工作流程186
環境準備188
準備工作189
工作流程189
對2D數據進行編碼並匹配3D對象190
準備工作191
工作流程191
代碼實現——生成器193
準備工作193
工作流程194
代碼實現——判別器196
準備工作196
工作流程197
代碼實現——GAN 199
準備工作199
工作流程199
訓練模型200
準備工作201
工作流程201
練習208
