图书介绍
GAN 实战生成对抗网络PDF|Epub|txt|kindle电子书版本网盘下载
- （美）Kuntal Ganguly（昆塔勒·甘古力） 著
- 出版社： 北京：电子工业出版社
- ISBN：9787121342547
- 出版时间：2018
- 标注页数：145页
- 文件大小：19MB
- 文件页数：161页
- 主题词：机器学习－研究
PDF下载
下载说明
GAN 实战生成对抗网络PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
1深度学习概述1
1.1 深度学习的演化1
1.1.1 sigmoid激发3
1.1.2 修正线性单元（ReLU）3
1.1.3 指数线性单元（ELU）4
1.1.4 随机梯度下降（SGD）5
1.1.5 学习速率调优6
1.1.6 正则化7
1.1.7 权重分享以及池化8
1.1.8 局部感受野10
1.1.9 卷积网络（ConvNet）11
1.2 逆卷积/转置卷积13
1.2.1 递归神经网络和LSTM13
1.2.2 深度神经网络14
1.2.3 判别模型和生成模型的对比16
1.3 总结16
2无监督学习GAN17
2.1 利用深度神经网络自动化人类任务17
2.1.1 GAN的目的18
2.1.2 现实世界的一个比喻19
2.1.3 GAN的组成20
2.2 GAN的实现22
2.2.1 GAN的应用25
2.2.2 在Keras上利用DCGAN实现图像生成26
2.2.3 利用TensorFlow实现SSGAN29
2.3 GAN模型的挑战38
2.3.1 启动及初始化的问题38
2.3.2 模型坍塌38
2.3.3 计数方面的问题39
2.3.4 角度方面的问题39
2.3.5 全局结构方面的问题40
2.4 提升GAN训练效果的方法41
2.4.1 特征匹配41
2.4.2 小批量42
2.4.3 历史平均42
2.4.4 单侧标签平滑42
2.4.5 输入规范化42
2.4.6 批规范化42
2.4.7 利用ReLU和MaxPool避免稀疏梯度43
2.4.8 优化器和噪声43
2.4.9 不要仅根据统计信息平衡损失43
2.5 总结43
3图像风格跨域转换45
3.1 弥补监督学习和无监督学习之间的空隙45
3.2 条件GAN介绍46
3.2.1 利用CGAN生成时尚衣柜47
3.2.2 利用边界均衡固化GAN训练51
3.3 BEGAN的训练过程52
3.3.1 BEGAN的架构52
3.3.2 利用TensorFlow实现BEGAN53
3.4 利用CycleGAN实现图像风格的转换57
3.4.1 CycleGAN的模型公式58
3.4.2 利用TensorFlow将苹果变成橘子58
3.4.3 利用CycleGAN将马变为斑马61
3.5 总结63
4从文本构建逼真的图像65
4.1 StackGAN介绍65
4.1.1 条件强化66
4.1.2 StackGAN的架构细节68
4.1.3 利用TensorFlow从文本生成图像69
4.2 利用DiscoGAN探索跨域的关系72
4.2.1 DiscoGAN架构以及模型公式73
4.2.2 DiscoGAN的实现75
4.3 利用PyTorch从边框生成手提包78
4.4 利用PyTorch进行性别转换80
4.5 DiscoGAN和CycleGAN的对比82
4.6 总结82
5利用多种生成模型生成图像83
5.1 迁移学习介绍84
5.1.1 迁移学习的目的84
5.1.2 多种利用预训练模型的方法85
5.1.3 利用Keras对车、猫、狗和花进行分类86
5.2 利用Apache Spark进行大规模深度学习90
5.2.1 利用Spark深度学习模块运行预训练模型91
5.2.2 利用BigDL运行大规模手写数字识别94
5.2.3 利用SRGAN生成高清晰度图像98
5.2.4 SRGAN的架构99
5.3 利用DeepDream生成梦幻的艺术图像105
5.4 在TensorFlow上利用VAE生成手写数字107
5.5 VAE在真实世界的比喻108
5.6 GAN和VAE两个生成模型的比较111
5.7 总结111
6将机器学习带入生产环境113
6.1 利用DCGAN构建一个图像矫正系统113
6.1.1 构建图像矫正系统的步骤115
6.1.2 在生产环境部署模型的挑战117
6.2 利用容器的微服务架构118
6.2.1 单体架构的缺陷118
6.2.2 微服务架构的优点118
6.2.3 使用容器的优点119
6.3 部署深度模型的多种方法120
6.3.1 方法1——离线建模和基于微服务的容器化部署120
6.3.2 方法2——离线建模和无服务器部署121
6.3.3 方法3——在线学习121
6.3.4 方法4-——利用托管机器学习服务121
6.4 在Docker上运行基于Keras的深度模型121
6.5 在GKE上部署深度模型124
6.6 利用AWS Lambda和Polly进行无服务器的图像识别并生成音频127
6.6.1 修改Lambda环境下代码和包的步骤137
6.6.2 利用云托管服务进行人脸识别138
6.7 总结145