【】GAN实战/深度学习系列 新华书店畅销图书籍排行榜
9787115550842
￥ 47.73 全新
仅1件
河北廊坊
认证卖家担保交易快速发货售后保障
作者雅各布·朗格尔等
出版社人民邮电出版社
ISBN9787115550842
出版时间2021-03
装帧平装
货号670759308556
上书时间2022-12-09
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
基本信息商品名称：GAN实战/深度学习系列开本：作者：(英)雅各布·朗格尔//(美)弗拉基米尔·博克|责编:吴晋瑜|译者:罗家佳页数：定价：69出版时间：2021-03-01ISBN号：印刷时间：2021-03-01出版社：人民邮电版次：1商品类型：图书印次：1内容提要：本书主要介绍构建和训练生成对抗网络（GAN）的方法 。全书共12章，先介绍生成模型以及GAN 的工作原理，并 概述它们的潜在用途，然后探索GAN 的基础结构（生成器 和鉴别器），引导读者搭建一个简单的对抗系统。
本书给出了大量的示例，教读者学习针对不同的场景 训练不同的GAN，进而完成生成高分辨率图像、实现图像到 图像的转换、生成对抗样本以及目标数据等任务，让所构 建的系统变得智能、有效和快速。
......精 彩 页： 作者简介： 目录：目录第 一部分 生成对抗网络（GAN）与生成模型导论第 1 章 GAN 简介 31．1 什么是 GAN 51．2 GAN 是如何工作的 51．3 GAN 实战 61．3．1 GAN 的训练 71．3．2 达到平衡 101．4 为什么要学 GAN 111．5 小结 14第 2 章 自编码器生成模型入门 152．1 生成模型简介162．2 自编码器如何用于高级场景 162．3 什么是 GAN 的自编码器 182．4 自编码器的构成 182．5 自编码器的使用 202．6 无监督学习212．6．1 吐故纳新 212．6．2 使用自编码器生成 222．6．3 变分自编码器 232．7 代码就是生命232．8 为什么要尝试使用 GAN 302．9 小结 32第 3 章 你的第 一个 GAN 模型：生成手写数字 ． 333．1 GAN 的基础：对抗训练 333．1．1 代价函数 353．1．2 训练过程 353．2 生成器和鉴别器 373．2．1 对抗的目标 373．2．2 混淆矩阵 383．3 GAN 训练算法 383．4 教程：生成手写数字 393．4．1 导入模块并指定模型输入维度 403．4．2 构造生成器 413．4．3 构造鉴别器 413．4．4 搭建整个模型 423．4．5 训练 433．4．6 输出样本图像 443．4．7 运行模型 453．4．8 检查结果 453．5 结论 463．6 小结 46第 4 章 深度卷积生成对抗网络（DCGAN）474．1 卷积神经网络484．1．1 卷积滤波器 484．1．2 参数共享 484．1．3 卷积神经网络可视化 484．2 DCGAN 简史 494．3 批归一化 504．3．1 理解归一化 504．3．2 计算批归一化 514．4 教程：用 DCGAN 生成手写数字 524．4．1 导入模块并指定模型输入维度 534．4．2 构造生成器 534．4．3 构造鉴别器 554．4．4 构建并运行 DCGAN 574．4．5 模型输出 594．5 结论 604．6 小结 60第二部分 GAN 的前沿主题第 5 章 训练与普遍挑战：为成功而 GAN 635．1 评估 655．1．1 评估框架 655．1．2 IS 675．1．3 FID 685．2 训练中的挑战705．2．1 增加网络深度 725．2．2 游戏设置 735．2．3 最小-最大 GAN 735．2．4 非饱和 GAN 745．2．5 何时停止训练 765．2．6 WGAN775．3 总结游戏设置805．4 训练技巧 815．4．1 输入的归一化 815．4．2 批归一化 815．4．3 梯度惩罚 825．4．4 对鉴别器进行更多的训练 825．4．5 避免稀疏梯度 835．4．6 平滑和带噪声的标签 835．5 小结 83第 6 章 渐进式增长生成对抗网络（PGGAN） 856．1 潜在空间插值 866．2 它们发展如此之快 876．2．1 高分辨率层的渐进增长和平滑 876．2．2 示例实现 906．2．3 小批量标准偏差 916．2．4 均衡学习率 926．2．5 生成器中的像素级特征归一化 936．3 主要创新点总结 966．4 TensorFlow Hub 库及其实践 976．5 PGGAN 的实际应用 986．6 小结 101第 7 章 半监督生成对抗网络（SGAN） 1037．1 SGAN 简介1057．1．1 什么是 SGAN 1067．1．2 结构1077．1．3 训练过程 1077．1．4 训练目标 1087．2 教程：SGAN 的实现 1087．2．1 架构图 1087．2．2 实现1097．2．3 设置1097．2．4 数据集 1107．2．5 生成器 1127．2．6 鉴别器 1127．2．7 搭建整个模型 1157．2．8 训练1167．3 与全监督分类器的对比 1187．4 结论 1197．5 小结 119第 8 章 条件生成对抗网络（CGAN） 1218．1 动机 1218．2 什么是 CGAN 1228．2．1 CGAN 的生成器 1238．2．2 CGAN 的鉴别器 1238．2．3 汇总表 1248．2．4 架构图 1248．3 教程：CGAN 的实现 1258．3．1 实现1258．3．2 设置1258．3．3 CGAN 的生成器 1268．3．4 CGAN 的鉴别器 1288．3．5 搭建整个模型 1308．3．6 训练1318．3．7 输出样本图像 1328．3．8 训练模型 1348．3．9 检查输出：生成目标数据 1348．4 结论 1358．5 小结 136第 9 章 循环一致性生成对抗网络（CycleGAN） 1379．1 图像到图像的转换 1379．2 循环一致性损失：再 GAN 一次 1399．3 对抗损失 1409．4 恒等损失 1409．5 架构 1429．5．1 CycleGAN 架构：构建网络 1439．5．2 生成器架构 1449．5．3 鉴别器架构 1469．6 GAN 的面向对象设计 1469．7 教程：CycleGAN 1469．7．1 构建网络 1489．7．2 构建生成器 1499．7．3 构建鉴别器 1519．7．4 训练 CycleGAN 1529．7．5 运行 CycleGAN 1549．8 扩展、增强和应用 1549．8．1 增强 CycleGAN 1549．8．2 应用1559．9 小结 156第三部分 何去何从第 10 章 对抗样本 15910．1 对抗样本的背景 16010．2 谎言，该死的谎言及分布 16110．3 训练的使用与滥用 16210．4 信号与噪声16710．5 柳暗花明又一村 17110．6 GAN 的对手 17210．7 结论 17310．8 小结 174第 11 章 GAN 的实际应用 17511．1 医学领域的 GAN 17611．1．1 利用 GAN 提高诊断准确率 17611．1．2 方法 17811．1．3 结果 17911．2 时尚领域的GAN 18011．2．1 利用 GAN 设计服装 18111．2．2 方法 181目录11．2．3 创造新单品以符合个人偏好 18211．2．4 修改现有单品以更符合个人偏好 18411．3 结论 18711．4 小结 187第 12 章 展望未来 18912．1 伦理问题18912．2 GAN 的创新 19112．2．1 相对生成对抗网络（RGAN） 19212．2．2 自注意力生成对抗网络（SAGAN） 19412．2．3 BigGAN 19612．3 拓展阅读 19812．4 回顾与总结19812．5 小结 200
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价