深入浅出GAN生成对抗网络 原理剖析与TensorFlow实践
正版新书 新华官方库房直发 可开电子发票
￥ 70.29 7.1折 ￥ 99 全新
库存2件
作者廖茂文,潘志宏
出版社人民邮电出版社
ISBN9787115517951
出版时间2020-06
版次1
装帧平装
开本16开
纸张胶版纸
页数480页
字数731千字
定价99元
货号SC:9787115517951
上书时间2024-12-03
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
内容简介:
本书从Python基本语法入手，逐步介绍推荐的数学知识与神经网络的基本知识，并利用介绍的内容编写一个深度学习框架TensorPy，有了这些知识作为铺垫后，就开始介绍生成对抗网络(GAN)相关的内容。然后，本书使用比较简单的语言来描述GAN涉及的思想、模型与数学原理，接着便通过TensorFlow实现传统的GAN，并讨论为何一定需要生成器或判别器。接下来，重点介绍GAN各种常见的变体，包括卷积生成对抗网络、条件生成对抗网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。本书从模型与数学的角度来理解GAN变体，希望通过数学符号表达出不同GAN变体的核心思想，适合人工智能、机器学习、计算机视觉相关专业的人员学习使用。
目录:
第1章优雅Python1
1.1Anaconda1
1.2Python基础4
1.2.1常用数据类型5
1.2.2流程控制7
1.2.3函数定义8
1.3Python进阶8
1.3.1生成式9
1.3.2可迭代对象与迭代器9
1.3.3生成器11
1.3.4装饰器11
1.4小结13
第2章优雅的数学14
2.1向量与矩阵14
2.1.1向量的概念14
2.1.2向量的基本运算15
2.1.3矩阵的概念17
2.1.4矩阵的运算19
2.2微积分24
2.2.1圆的面积24
2.2.2古典微积分25
2.2.3重建微积分28
2.2.4常用的公式29
2.2.5偏导数31
2.2.6方向导数31
2.2.7链式法则33
2.3概率论34
2.3.1随机变量34
2.3.2条件概率36
2.3.3贝叶斯定理38
2.3.4常见的概率分布39
2.4信息论41
2.4.1信息熵41
2.4.2条件熵43
2.4.3互信息43
2.4.4相对熵（KL散度）44
2.4.5交叉熵45
2.5小结46
第3章初识神经网络47
3.1什么是神经网络47
3.1.1神经网络的历史47
3.1.2神经网络的优势54
3.2神经网络中常见的概念55
3.2.1前向传播算法55
— 没有更多了 —
以下为对购买帮助不大的评价