图书介绍
生成对抗网络入门指南PDF|Epub|txt|kindle电子书版本网盘下载
- 史丹青编著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111610045
- 出版时间：2018
- 标注页数：226页
- 文件大小：83MB
- 文件页数：250页
- 主题词：机器学习－指南
PDF下载
下载说明
生成对抗网络入门指南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
第1章 人工智能入门1
1.1 人工智能的历史与发展1
1.1.1 人工智能的诞生3
1.1.2 人工智能的两起两落6
1.1.3 新时代的人工智能7
1.2 机器学习与深度学习10
1.2.1 机器学习分类11
1.2.2 神经网络与深度学习12
1.2.3 深度学习的应用13
1.3 了解生成对抗网络15
1.3.1 从机器感知到机器创造15
1.3.2 什么是生成对抗网络19
1.4 本章小结20
第2章 预备知识与开发工具21
2.1 Python语言与开发框架21
2.1.1 Python语言21
2.1.2 常用工具简介23
2.1.3 第三方框架简介26
2.2 TensorFlow基础入门27
2.2.1 TensorFlow简介与安装27
2.2.2 TensorFlow使用入门30
2.2.3 TensorFlow实例：图像分类31
2.3 Keras基础入门33
2.3.1 Keras简介与安装33
2.3.2 Keras使用入门34
2.3.3 Keras实例：文本情感分析36
2.4 Floyd：使用深度学习云平台运行程序38
2.4.1 深度学习云平台简介38
2.4.2 Floyd使用入门39
2.4.3 Floyd实例：神经网络风格转换43
2.5 本章小结45
第3章 理解生成对抗网络46
3.1 生成模型46
3.1.1 生成模型简介46
3.1.2 自动编码器47
3.1.3 变分自动编码器50
3.2 GAN的数学原理52
3.2.1 最大似然估计52
3.2.2 生成对抗网络的数学推导55
3.3 GAN的可视化理解58
3.4 GAN的工程实践59
3.5 本章小结67
第4章 深度卷积生成对抗网络68
4.1 DCGAN的框架68
4.1.1 DCGAN设计规则68
4.1.2 DCGAN框架结构72
4.2 DCGAN的工程实践73
4.3 DCGAN的实验性应用79
4.3.1 生成图像的变换79
4.3.2 生成图像的算术运算81
4.3.3 残缺图像的补全83
4.4 本章小结85
第5章 Wasserstein GAN86
5.1 GAN的优化问题86
5.2 WGAN的理论研究89
5.3 WGAN的工程实践92
5.4 WGAN的实验效果分析96
5.4.1 代价函数与生成质量的相关性96
5.4.2 生成网络的稳定性97
5.4.3 模式崩溃问题99
5.5 WGAN的改进方案：W GAN-GP100
5.6 本章小结104
第6章 不同结构的GAN105
6.1 GAN与监督式学习105
6.1.1 条件式生成：cGAN105
6.1.2 cGAN在图像上的应用106
6.2 GAN与半监督式学习110
6.2.1 半监督式生成：SGAN110
6.2.2 辅助分类生成：ACGAN112
6.3 GAN与无监督式学习113
6.3.1 无监督式学习与可解释型特征113
6.3.2 理解InfoGAN115
6.4 本章小结119
第7章 文本到图像的生成120
7.1 文本条件式生成对抗网络120
7.2 文本生成图像进阶：GAW WN123
7.3 文本到高质量图像的生成127
7.3.1 层级式图像生成：StackGAN128
7.3.2 层级式图像生成的优化：StackGAN-v2132
7.4 本章小结135
第8章 图像到图像的生成136
8.1 可交互图像转换：iGAN136
8.1.1 可交互图像转换的用途136
8.1.2 iGAN的实现方法138
8.1.3 iGAN软件简介与使用方法140
8.2 匹配数据图像转换：Pix2Pix143
8.2.1 理解匹配数据的图像转换143
8.2.2 Pix2Pix的理论基础145
8.2.3 Pix2Pix的应用实践150
8.3 非匹配数据图像转换：CycleGAN157
8.3.1 理解非匹配数据的图像转换157
8.3.2 CycleGAN的理论基础160
8.3.3 CycleGAN的应用实践162
8.4 多领域图像转换：StarGAN166
8.4.1 多领域的图像转换问题166
8.4.2 StarGAN的理论基础169
8.4.3 StarGAN的应用实践171
8.5 本章小结177
第9章 GAN的应用：从多媒体到艺术设计178
9.1 GAN在多媒体领域的应用178
9.1.1 图像去模糊178
9.1.2 人脸生成181
9.1.3 音频合成184
9.2 GAN与AI艺术188
9.2.1 AI能否创造艺术188
9.2.2 AI与计算机艺术的发展190
9.2.3 艺术生成网络：从艺术模仿到创意生成196
9.3 GAN与AI设计202
9.3.1 AI时代的设计202
9.3.2 AI辅助式设计的研究205
9.4 本章小结212
第10章 GAN研究热点213
10.1 评估与优化213
10.2 对抗攻击216
10.3 发展中的GAN219
参考文献222