GAN(实战生成对抗网络)
正版图书，可开发票，请放心购买。
￥ 35.21 5.4折 ￥ 65 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)昆塔勒·甘古力|译者:刘梦馨
出版社电子工业
ISBN9787121342547
出版时间2018-06
装帧其他
开本其他
定价65元
货号30202619
上书时间2024-02-14
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
1 深度学习概述
1.1 深度学习的演化
1.1.1 sigmoid激发
1.1.2 修正线性单元（ReLU）
1.1.3 指数线性单元（ELU）
1.1.4 随机梯度下降（SGD）
1.1.5 学习速率调优
1.1.6 正则化
1.1.7 权重分享以及池化
1.1.8 局部感受野
1.1.9 卷积网络（ConvNet）
1.2 逆卷积/转置卷积
1.2.1 递归神经网络和
1.2.2 深度神经网络
1.2.3 判别模型和生成模型的对比
1.3 总结
2 无监督学习
2.1 利用深度神经网络自动化人类任务
2.1.1 GAN的目的
2.1.2 现实世界的一个比喻
2.1.3 GAN的组成
2.2 GAN的实现
2.2.1 GAN的应用
2.2.2 在Keras上利用DCGAN实现图像生成
2.2.3 利用TensorFlow实现SSGAN
2.3 GAN模型的挑战
2.3.1 启动及初始化的问题
2.3.2 模型坍塌
2.3.3 计数方面的问题
2.3.4 角度方面的问题
2.3.5 全局结构方面的问题
2.4 提升GAN训练效果的方法
2.4.1 特征匹配
2.4.2 小批量
2.4.3 历史平均
2.4.4 单侧标签平滑
2.4.5 输入规范化
2.4.6 批规范化
2.4.7 利用ReLU和MaxPool避免稀疏梯度
2.4.8 优化器和噪声
2.4.9 不要仅根据统计信息平衡损失
2.5 总结
3 图像风格跨域转换
3.1 弥补监督学习和无监督学习之间的空隙
3.2 条件GAN介绍
3.2.1 利用CGAN生成时尚衣柜
3.2.2 利用边界均衡固化GAN训练
3.3 BEGAN的训练过程
3.3.1 BEGAN的架构
内容摘要
本书介绍深度学习领域一个十分活跃的分支——生成对抗网络（GAN）。书中覆盖了深度学习的基础、对抗网络背后的原理以及构建方式等内容。同时本书还介绍了多个真实世界中使用对抗网络构建智能应用的案例并提供了具体的代码以及部署方法，旨在帮助读者在真正的生产环境中使用生成对抗网络。本书适合数据科学家、算法工程师、数据挖掘工程师以及其他机器学习领域相关的从业人员，以帮助他们在工作中应用生成对抗模型；也适合机器学习和深度学习的爱好者、初学者来了解深度学习领域的新魔力。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价