GAN 生成對抗神經網絡原理與實踐
李明軍
- 出版商: 北京大學
- 出版日期: 2021-06-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 296
- 裝訂: 平裝
- ISBN: 7301321163
- ISBN-13: 9787301321164
-
相關分類:
GAN 生成對抗網絡
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
基礎資料結構 ─ 使用 C++ (Fundamentals of Data Structures in C++, 2/e)$790$774 -
Digital Multimedia, 3/e (Paperback)$2,600$2,470 -
深入淺出 WPF$270$257 -
Cracking the Coding Interview : 189 Programming Questions and Solutions, 6/e (Paperback)$1,700$1,615 -
$301Flask Web 開發:基於 Python 的 Web 應用開發實戰 (Flask Web Development: Developing Web Application with Python) -
Docker 這樣學才有趣：從入門，到玩直播、挖礦$450$383 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356 -
提升程式設計師的面試力｜189道面試題目與解答, 6/e (Cracking the Coding Interview : 189 Programming Questions and Solutions, 6/e)$880$695 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
深入淺出 GAN 生成對抗網絡 : 原理剖析與 TensorFlow 實踐$505$475 -
愛上統計學：使用 R語言$680$612 -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537 -
生成對抗網路最精解：用 TensorFlow 實作最棒的 GAN 應用 (書況有些許瑕疵,不介意在下單)$980$647 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$1,020 -
$254程序員的數學4：圖論入門 -
AI 必須！從做中學貝氏統計 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器 (Bayesian Statistics for Beginners: A Step-By-Step Approach)$1,200$948 -
$556生成對抗網絡：原理及圖像處理應用 -
$505生成對抗網絡 GAN：原理與實踐 -
向 Level-5 前進：全方位自動駕駛感知原理與實作$780$616 -
Generative AI - Diffusion Model 擴散模型現場實作精解$720$569 -
Diffusion AI繪圖模型構造與訓練實戰$474$450 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
ChatGPT 4 Omni 萬用手冊 2024 夏季號：GPT-4o/GPT-4o mini、GPTs、DALL-E 3、Copilot、Gemini、Claude 3.5$680$537 -
學會專案管理的 12堂課, 3/e$520$406
相關主題
商品描述
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能夠生成結構複雜且十分逼真的高維度數據。
因此，GAN被廣泛地應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應用場景時，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。
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，曾就職於Teradata、中國惠普、神州泰岳和億陽信通，現工作於東方國信。
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》。
目錄大綱
第1章 生成對抗神經網絡綜述 1
1.1 什麼是生成對抗神經網絡？ 2
1.2 為什麼要學習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 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 反捲積神經網絡簡介 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
