滿額折
GAN生成對抗神經網絡原理與實踐（簡體書）
商品資訊
商品簡介
作者簡介
名人/編輯推薦
目次
相關商品
商品簡介
生成對抗神經網絡（Generative Adversarial Nets，GAN）作為一種深度學習框架，發展十分迅猛。通過相互對抗的神經網絡模型，GAN能夠生成結構復雜且十分逼真的高維度數據。因此，GAN被廣泛地應用在學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成等；序列數據生成，如語音生成、音樂生成等；以及其他眾多領域，如遷移學習、醫學圖像細分、隱寫術、持續學習（深度學習重放）等。
GAN的技術較為復雜，細分領域眾多，因此需要有一個高效率的學習方法。首先，需要了解GAN的全景，對GAN的發展脈絡和各個細分領域都有所了解。這樣，當我們面對各種各樣的應用場景時，才能夠做到胸有成竹。其次，掌握生成對抗的基本原理，以及實現生成對抗的關鍵技術。這樣，當我們面對在GAN領域出現的各種新理念、新技術時，才能夠追本溯源，從容應對。最後，針對自己感興趣的GAN進行深入地研究。本書正是這樣組織的，讓有志於學習研究GAN的人能夠快速入門並掌握GAN的關鍵技術。
GAN的技術較為復雜，細分領域眾多，因此需要有一個高效率的學習方法。首先，需要了解GAN的全景，對GAN的發展脈絡和各個細分領域都有所了解。這樣，當我們面對各種各樣的應用場景時，才能夠做到胸有成竹。其次，掌握生成對抗的基本原理，以及實現生成對抗的關鍵技術。這樣，當我們面對在GAN領域出現的各種新理念、新技術時，才能夠追本溯源，從容應對。最後，針對自己感興趣的GAN進行深入地研究。本書正是這樣組織的，讓有志於學習研究GAN的人能夠快速入門並掌握GAN的關鍵技術。
作者簡介
李明軍，資深數據挖掘與人工智能專家，在大數據分析與挖掘、機器學習、人工智能等領域實戰經驗豐富。華北理工大學學士，曾就職於Teradata、中國惠普、神州泰岳和億陽信通，現工作於東方國信。在知乎著有多個專欄：計算機視覺、生成對抗網絡、強化學習等。著有《TensorFlow深度學習實戰大全》。
名人/編輯推薦
1.概覽全景：首先，本書對GAN進行全景式的介紹，讓讀者能夠了解GAN的技術起源、在應用領域的發展演變過程、在技術上面臨的主要挑戰，以及解決這些挑戰的思路和對策。
2. 詳解原理：其次，本書詳細介紹了GAN的基本原理，即通過生成模型（Generative Model，G）和判別模型（Discriminative Model，D）的相互對抗，最終實現生成模型具備生成足夠逼真的高維度數據（如圖像或音樂）的能力。
3. 案例豐富：最後，本書介紹了幾種常用的、有代表性的GAN模型實戰，包括原始的GAN、DCGAN（基於深層卷積網絡的GAN）、CGAN（有條件約束的GAN）、InfoGAN（自動捕獲圖像中關鍵特征的GAN）、SGAN（多層堆疊的GAN）、CycleGAN（循環一致的GAN）等。這些GAN模型涵蓋了GAN在發展演變過程中各個階段面臨的挑戰與對策，可讓讀者掌握各種各樣的GAN的關鍵原理和實戰代碼。
2. 詳解原理：其次，本書詳細介紹了GAN的基本原理，即通過生成模型（Generative Model，G）和判別模型（Discriminative Model，D）的相互對抗，最終實現生成模型具備生成足夠逼真的高維度數據（如圖像或音樂）的能力。
3. 案例豐富：最後，本書介紹了幾種常用的、有代表性的GAN模型實戰，包括原始的GAN、DCGAN（基於深層卷積網絡的GAN）、CGAN（有條件約束的GAN）、InfoGAN（自動捕獲圖像中關鍵特征的GAN）、SGAN（多層堆疊的GAN）、CycleGAN（循環一致的GAN）等。這些GAN模型涵蓋了GAN在發展演變過程中各個階段面臨的挑戰與對策，可讓讀者掌握各種各樣的GAN的關鍵原理和實戰代碼。
目次
第1章 生成對抗神經網絡綜述 1
1.1 什麼是生成對抗神經網絡？ 2
1.2 為什麼要學習GAN？ 5
1.3 應用場景 9
1.4 技術難點 18
1.5 潛在空間的處理 22
1.6 第一個GAN實戰 27
第2章 TensorFlow 2.0安裝 39
2.1 通過Docker安裝 40
2.2 通過conda安裝 41
第3章 神經網絡原理 43
3.1 應用場景簡介 44
3.2 深層神經網絡簡介 46
3.3 卷積神經網絡簡介 53
3.4 反卷積神經網絡簡介 61
第4章 TensorFlow 2.0開發入門 65
4.1 開發環境 66
4.2 張量 68
4.3 Keras開發概覽 72
4.4 使用函數接口開發 87
4.5 網絡層 99
4.6 激活函數 104
4.7 損失函數 108
4.8 優化器 110
第5章 常用數據集 112
5.1 MNIST 113
5.2 Fashion-MNIST 115
5.3 CIFAR-10 118
5.4 CIFAR-100 120
第6章 DCGAN 123
6.1 DCGAN概述 124
6.2 批量標準化 124
6.3 使用多種激活函數 125
6.4 在MNIST數據集上的實現 126
6.5 在LSUN數據集上的實現 139
第7章 CGAN 148
7.1 CGAN概述 149
7.2 在MNIST數據集上的實現 153
第8章 InfoGAN 179
8.1 技術原理 180
8.2 模型實現技巧 183
8.3 在MNIST數據集上的實現 185
8.4 在Fashion MNIST數據集上
的實現 201
第9章 SGAN 204
9.1 技術原理 205
9.2 模型訓練 207
9.3 SGAN在MNIST數據集上的
實現 210
9.4 SGAN在CIFAR數據集上的
實現 242
第10章 CycleGAN 267
10.1 CycleGAN簡介 268
10.2 技術原理 268
10.3 技術實現 270
1.1 什麼是生成對抗神經網絡？ 2
1.2 為什麼要學習GAN？ 5
1.3 應用場景 9
1.4 技術難點 18
1.5 潛在空間的處理 22
1.6 第一個GAN實戰 27
第2章 TensorFlow 2.0安裝 39
2.1 通過Docker安裝 40
2.2 通過conda安裝 41
第3章 神經網絡原理 43
3.1 應用場景簡介 44
3.2 深層神經網絡簡介 46
3.3 卷積神經網絡簡介 53
3.4 反卷積神經網絡簡介 61
第4章 TensorFlow 2.0開發入門 65
4.1 開發環境 66
4.2 張量 68
4.3 Keras開發概覽 72
4.4 使用函數接口開發 87
4.5 網絡層 99
4.6 激活函數 104
4.7 損失函數 108
4.8 優化器 110
第5章 常用數據集 112
5.1 MNIST 113
5.2 Fashion-MNIST 115
5.3 CIFAR-10 118
5.4 CIFAR-100 120
第6章 DCGAN 123
6.1 DCGAN概述 124
6.2 批量標準化 124
6.3 使用多種激活函數 125
6.4 在MNIST數據集上的實現 126
6.5 在LSUN數據集上的實現 139
第7章 CGAN 148
7.1 CGAN概述 149
7.2 在MNIST數據集上的實現 153
第8章 InfoGAN 179
8.1 技術原理 180
8.2 模型實現技巧 183
8.3 在MNIST數據集上的實現 185
8.4 在Fashion MNIST數據集上
的實現 201
第9章 SGAN 204
9.1 技術原理 205
9.2 模型訓練 207
9.3 SGAN在MNIST數據集上的
實現 210
9.4 SGAN在CIFAR數據集上的
實現 242
第10章 CycleGAN 267
10.1 CycleGAN簡介 268
10.2 技術原理 268
10.3 技術實現 270
今日66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。