生成式深度学习(影印版)9787564188276
正版图书，可开发票，请放心购买。
￥ 69.3 7.0折 ￥ 99 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[英]大卫·福斯特
出版社南京东南大学出版社有限公司
ISBN9787564188276
出版时间2019-07
装帧平装
开本其他
定价99元
货号9783144
上书时间2024-12-14
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
大卫·福斯特,是Applied data Science公司的联合创始人，这是一家为客户提供创新解决方案的数据科学咨询公司。他拥有英国剑桥大学三一学院数学硕士学位和华威大学运筹学硕士学位。
目录
Preface
Part Ⅰ I troductio to Ge erative Deep Lear i g
1. Ge erative Modeli g
What Is Ge erative Modeli g
Ge erative Versus Discrimi ative Modeli g
Adva ces i Machi e Lear i g
The Rise of Ge erative Modeli g
The Ge erative Modeli g Framework
Probabilistic Ge erative Models
Hello Wrodl!
Your First Probabilistic Ge erative Model
aive Bayes
Hello Wrodl! Co ti ued
The Challe ges of Ge erative Modeli g
Represe tatio Lear i g
Setti g Up Your E viro me t
Summary
2. Deep Lear i g
Structured a d U structured Data
Deep eural etworks
Keras a d Te sorFlow
Your First Deep eural etwork
Loadi g the Data
Buildi g the Model
Compili g the Model
Trai i g the Model
Evaluati g the Model
Improvi g the Model
Co volutio al Layers
Batch ormalizatio
Dropout Layers
Putti g It All Together
Summary
3. Variatio al Autoe coflers
The Art Exhibitio
Autoe coders
Your First Autoe coder
The E coder
The Decoder
Joi i g the E coder to the Decoder
A alysis of the Autoe coder
The Variatio al Art Exhibitio
Buildi g a Variatio al Autoe coder
The E coder
The Loss Fu ctio
A alysis of the Variatio al Autoe coder
Usi g VAEs to Ge erate Faces
Trai i g the VAE
A alysis of the VAE
Ge erati g ew Faces
内容摘要
生成式建模（generative modeling）是人工智能领域热门的研究课题之一。现在算法已经可以教一台机器在绘画、写作和作曲等人类活动中取得出色的表现。通过这本实用指南，机器学习工程师和数据科学家们将学会如何通过生成式深度学习模型重新创建一些令人印象深刻的程序示例，例如变分自编码器、生成对抗网络、编码器一解码器模型和世界模型。作者David Foster在书中演示了每种技术的内部工作原理，首先介绍了使用Keras进行深度学习的基本知识，然后介绍了该领域优选的一些算法。通过书中的提示和技巧，你将了解如何使模型更有效地学习并变得更有创造性。
探索变分自编码器如何改变照片中的人脸表情从头开始构建实用的GAN示例，包括用于样式转换的CycleGAN和用于音乐生成的MuseGAN算法创建循环生成式模型实现文本生成，并学习如何使用注意力改进模型了解生成式模型如何借助并行代理在强化学习环境中完成任务探索Transformer（BERT，GPT-2）模型架构以及ProGAN和StyleGAN等图像生成模型。
精彩内容
生成式建模（generative modeling）是人工智能领域热门的研究课题之一。现在算法已经可以教一台机器在绘画、写作和作曲等人类活动中取得出色的表现。通过这本实用指南，机器学习工程师和数据科学家们将学会如何通过生成式深度学习模型重新创建一些令人印象深刻的程序示例，例如变分自编码器、生成对抗网络、编码器一解码器模型和世界模型。作者David Foster在书中演示了每种技术的内部工作原理，首先介绍了使用Keras进行深度学习的基本知识，然后介绍了该领域优选的一些算法。通过书中的提示和技巧，你将了解如何使模型更有效地学习并变得更有创造性。
探索变分自编码器如何改变照片中的人脸表情从头开始构建实用的GAN示例，包括用于样式转换的CycleGAN和用于音乐生成的MuseGAN算法创建循环生成式模型实现文本生成，并学习如何使用注意力改进模型了解生成式模型如何借助并行代理在强化学习环境中完成任务探索Transformer（BERT，GPT-2）模型架构以及ProGAN和StyleGAN等图像生成模型。
— 没有更多了 —
以下为对购买帮助不大的评价