书籍详情
![《GAN生成对抗神经网络原理与实践李明军著北京北方城》[40M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/8c32ab86099add45.jpg)
GAN生成对抗神经网络原理与实践李明军著北京北方城
- 出版社:北方图书城卖场店
- 出版时间:2021-06
- 热度:11555
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
| 图书基本信息 | |
| 图书名称 | GAN生成对抗神经网络原理与实践 |
| 作者 | 李明军 著 |
| 定价 | 79元 |
| 出版社 | 北京大学出版社 |
| ISBN | 9787301321164 |
| 出版日期 | 2021-06-01 |
| 字数 | 449000 |
| 页码 | 296 |
| 版次 | |
| 装帧 | 平装 |
| 开本 | 16开 |
| 商品重量 | |
| 内容提要 | |
| 生成对抗神经网络（Generative Adversarial Nets，GAN）作为一种深度学习框架，发展十分迅猛。通过相互对抗的神经网络模型，GAN能够生成结构复杂且十分逼真的高维度数据。因此，GAN被广泛地应用在学术研究和工程领域，包括图像处理，如图像生成、图像转换、视频合成等；序列数据生成，如语音生成、音乐生成等；以及其他众多领域，如迁移学习、医学图像细分、隐写术、持续学习（深度学习重放）等。 n GAN的技术较为复杂，细分领域众多，因此需要有一个高效率的学习方法。首先，需要了解GAN的全景，对GAN的发展脉络和各个细分领域都有所了解。这样，当我们面对各种各样的应用场景时，才能够做到胸有成竹。其次，掌握生成对抗的基本原理，以及实现生成对抗的关键技术。这样，当我们面对在GAN领域出现的各种新理念、新技术时，才能够追本溯源，从容应对。 后，针对自己感兴趣的GAN进行深入地研究。本书正是这样组织的，让有志于学习研究GAN的人能够快速入门并掌握GAN的关键技术。 |
| 目录 | |
| 章 生成对抗神经网络综述 1 n 1.1 什么是生成对抗神经网络？ 2 n 1.2 为什么要学习GAN？ 5 n 1.3 应用场景 9 n 1.4 技术难点 18 n 1.5 潜在空间的处理 22 n 1.6 个GAN实战 27 n 第2章 TensorFlow 2.0安装 39 n 2.1 通过Docker安装 40 n 2.2 通过conda安装 41 n 第3章 神经网络原理 43 n 3.1 应用场景简介 44 n 3.2 深层神经网络简介 46 n 3.3 卷积神经网络简介 53 n 3.4 反卷积神经网络简介 61 n 第4章 TensorFlow 2.0开发入门 65 n 4.1 开发环境 66 n 4.2 张量 68 n 4.3 Keras开发概览 72 n 4.4 使用函数接口开发 87 n 4.5 网络层 99 n 4.6 激活函数 104 n 4.7 损失函数 108 n 4.8 优化器 110 n 第5章 常用数据集 112 n 5.1 MNIST 113 n 5.2 Fashion-MNIST 115 n 5.3 CIFAR-10 118 n 5.4 CIFAR-100 120 n 第6章 DCGAN 123 n 6.1 DCGAN概述 124 n 6.2 批量标准化 124 n 6.3 使用多种激活函数 125 n 6.4 在MNIST数据集上的实现 126 n 6.5 在LSUN数据集上的实现 139 n 第7章 CGAN 148 n 7.1 CGAN概述 149 n 7.2 在MNIST数据集上的实现 153 n 第8章 InfoGAN 179 n 8.1 技术原理 180 n 8.2 模型实现技巧 183 n 8.3 在MNIST数据集上的实现 185 n 8.4 在FashioMNIST数据集上 n 的实现 201 n 第9章 SGAN 204 n 9.1 技术原理 205 n 9.2 模型训练 207 n 9.3 SGAN在MNIST数据集上的 n 实现 210 n 9.4 SGAN在CIFAR数据集上的 n 实现 242 n 0章 CycleGAN 267 n 10.1 CycleGAN简介 268 n 10.2 技术原理 268 n 10.3 技术实现 270 |
| 作者介绍 | |
| 李明军，资深数据挖掘与人工智能专家，在大数据分析与挖掘、机器学习、人工智能等领域实战经验丰富。华北理工大学学士，曾就职于Teradata、中国惠普、神州泰岳和亿阳信通，现工作于东方国信。在知乎著有多个专栏：计算机视觉、生成对抗网络、强化学习等。著有《TensorFlow深度学习实战大全》。 |
| 编辑推荐 | |
| 1.概览全景：首先，本书对GAN进行全景式的介绍，让读者能够了解GAN的技术起源、在应用领域的发展演变过程、在技术上面临的主要挑战，以及解决这些挑战的思路和对策。 n 2. 详解原理：其次，本书详细介绍了GAN的基本原理，即通过生成模型（Generative Model，G）和判别模型（Discriminative Model，D）的相互对抗， 终实现生成模型具备生成足够逼真的高维度数据（如图像或音乐）的能力。 n 3. 案例丰富： 后，本书介绍了几种常用的、有代表性的GAN模型实战，包括原始的GAN、DCGAN（基于深层卷积网络的GAN）、CGAN（有条件约束的GAN）、InfoGAN（自动捕获图像中关键特征的GAN）、SGAN（多层堆叠的GAN）、CycleGAN（循环一致的GAN）等。这些GAN模型涵盖了GAN在发展演变过程中各个阶段面临的挑战与对策，可让读者掌握各种各样的GAN的关键原理和实战代码。 |