中图网

>

信息安全

生成对抗网络入门指南(第2版)

作者：史丹青

出版社：机械工业出版社出版时间：2021-06-01

开本： 16开 页数： 280

本类榜单：计算机/网络销量榜

中图价:¥65.0(7.3折) 定价 ~~¥89.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥65.0 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

生成对抗网络入门指南(第2版) 版权信息

ISBN：9787111683711
条形码：9787111683711 ; 978-7-111-68371-1
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
信息安全

生成对抗网络入门指南(第2版) 本书特色

适读人群：本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。1、本书第2版跟踪近两年生成对抗网络（GAN）技术的发展和变化，包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容，新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与第1版内容有机地结合，深入浅出地阐述了生成对抗网络技术原理和演进，通过代码实例揭示了生成对抗网络技术实际应用的方法，方便读者学习入门。 2、书中所有示例代码基于Tensorflow2.0进行了更新，全部支持在Tensorflow2.0环境下运行，方便读者上手实践，深入了解技术实现细节。 3、读者可在华章图书网站该书网页下载书中全部示例代码。

生成对抗网络入门指南(第2版) 内容简介

生成对抗网络毫无疑问是当今热门的人工智能技术之一，曾被美国《麻省理工科技评论》评选为“优选十大突破性技术”。《生成对抗网络入门指南》是一本结合基础理论与工程实践的入门型书籍，深入浅出地讲解了生成对抗网络的各类模型以及技术发展。本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。通过本书的学习，能够了解生成对抗网络的技术原理，并通过书中的代码实例深入技术细节。本书共分12个章节，其中前半部分分别介绍了目前研究领域已经较为成熟的生成对抗网络模型，比如DCGAN、WGAN等等，以及大量不同结构的生成对抗网络变种。本书后半部分介绍了文本到图像的生成、图像到图像的生成、离散数据的生成以及当前前沿的高质量生成技术，结尾总结了目前生成对抗网络在行业应用中的研究与发展。希望本书能够帮助广大读者跟上新技术的前沿，成为人工智能时代的先行者。

生成对抗网络入门指南(第2版) 目录

第 1 章人工智能入门 1
11 人工智能的历史以及发展 1
111 人工智能的诞生 3
112 人工智能的两起两落 6
113 新时代的人工智能 8
12 机器学习与深度学习 10
121 机器学习分类 11
122 神经网络与深度学习 12
123 深度学习的应用 13
13 了解生成对抗网络 15
131 从机器感知到机器创造 15
132 什么是生成对抗网络 18
14 本章小结 20
第 2 章预备知识与开发工具 21
21 Python 语言与开发框架 21
211 Python 语言 21
212 常用工具简介 23
213 第三方框架简介 26
22 TensorFlow 基础入门 27
221 TensorFlow 简介与安装 27
222 TensorFlow 实例：图像分类 30
23 Keras 基础入门 32
231 Keras 简介与安装 32
232 Keras 使用入门 34
233 Keras 实例：文本情感分析 37
24 本章小结 39
第 3 章理解生成对抗网络 40
31 生成模型 40
311 生成模型简介 40
312 自动编码器 42
313 变分自动编码器 44
32 GAN 的数学原理 47
321 *大似然估计 47
322 GAN 的数学推导 50
33 GAN 的可视化理解 54
34 GAN 的工程实践 55
35 本章小结 63
第 4 章深度卷积生成对抗网络 64
41 DCGAN 的框架 64
411 DCGAN 设计规则 64
412 DCGAN 框架结构 68
42 DCGAN 的工程实践 69
43 DCGAN 的实验性应用 77
431 生成图像的变换 77
432 生成图像的算术运算 79
433 残缺图像的补全 81
44 本章小结 83
第 5 章 Wasserstein GAN 84
51 GAN 的优化问题 84
52 WGAN 的理论研究 88
53 WGAN 的工程实践 91
54 WGAN 的实验效果分析 95
541 代价函数与生成质量的相关性 95
542 生成网络的稳定性 96
543 模式崩溃问题 99
55 WGAN 的改进方案：WGAN-GP 99
56 本章小结 103
第 6 章不同结构的 GAN 104
61 GAN 与监督式学习 104
611 条件式生成：cGAN 104
612 cGAN 在图像上的应用 106
62 GAN 与半监督式学习 109
621 半监督式生成：SGAN 109
622 辅助分类生成：ACGAN 111
63 GAN 与无监督式学习 112
631 无监督式学习与可解释型特征 112
632 理解 InfoGAN 114
64 本章小结 119
第 7 章文本到图像的生成 120
71 文本条件式生成对抗网络 120
72 文本生成图像进阶：GAWWN 124
73 文本到高质量图像的生成 127
731 层级式图像生成：StackGAN 128
732 层级式图像生成的优化：StackGAN-v2 133
74 本章小结 135
第 8 章图像到图像的生成 136
81 可交互图像转换：iGAN 136
811 可交互图像转换的用途 136
812 iGAN 的实现方法 138
813 iGAN 软件简介与使用方法 141
82 匹配数据图像转换：Pix2Pix 144
821 理解匹配数据的图像转换 144
822 Pix2Pix 的理论基础 146
823 Pix2Pix 的应用实践 150
83 非匹配数据图像转换：CycleGAN 157
831 理解非匹配数据的图像转换 157
832 CycleGAN 的理论基础 162
833 CycleGAN 的应用实践 165
84 多领域图像转换：StarGAN 171
841 多领域的图像转换问题 171
842 StarGAN 的理论基础 174
843 StarGAN 的应用实践 177
85 本章小结 182
第 9 章序列数据的生成 183
91 序列生成的问题 183
92 GAN 的序列生成方法 184
93 自然语言生成 187
94 本章小结 191
第 10 章 GAN 与强化学习及逆向强化学习 192
101 GAN 与强化学习 192
1011 强化学习基础 192
1012 Actor-Critic 195
1013 GAN 与强化学习的关联 196
102 GAN 与逆向强化学习 197
1021 逆向强化学习基础 197
1022 经典 IRL 算法 198
1023 GAN 的模仿学习：GAIL 200
103 本章小结 201
第 11 章新一代 GAN 202
111 GAN 的评估方法 202
112 GAN 的进化 205
1121 SNGAN 与 SAGAN 205
1122 BigGAN 206
1123 StyleGAN 208
113 本章小结 210
第 12 章 GAN 的应用与发展 211
121 多媒体领域的应用 211
1211 图像处理 211
1212 音频合成 218
122 艺术领域的应用 221
1221 AI 能否创造艺术 221
1222 AI 与计算机艺术的发展 223
1223 艺术生成网络：从艺术模仿到创意生成 231
123 设计领域的应用 238
1231 AI 时代的设计 238
1232 AI 辅助式设计的研究 240
124 安全领域的应用 249
125 本章小结 252
参考文献 253

展开全部

生成对抗网络入门指南(第2版) 作者简介

史丹青同济大学博士研究生，专业方向为人工智能与数据设计，在计算机顶级会议上发表多篇智能生成相关论文。曾担任语忆科技联合创始人兼技术负责人，拥有多年人工智能领域创业与实战经验，具备深度学习、自然语言处理以及数据可视化等相关知识与技能。他是人工智能技术的爱好者，喜欢拥抱一切新兴科技，并始终坚信技术分享和开源精神的力量。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐