返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • GAN生成对抗神经网络原理与实践 李明军 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 李明军著
    • 出版社: 北京大学出版社
    • 出版时间:2021-05-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 李明军著
    • 出版社:北京大学出版社
    • 出版时间:2021-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 页数:296
    • 开本:16开
    • 装帧:平装
    • ISBN:9787301321164
    • 国别/地区:中国
    • 版权提供:北京大学出版社

    GAN生成对抗神经网络原理与实践

    作  者:李明军 著
    定  价:79
    出 版 社:北京大学出版社
    出版日期:2021年05月01日
    页  数:296
    装  帧:平装
    ISBN:9787301321164
    主编推荐

    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。 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,最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。 3. 案例丰富:最后,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null

    内容简介

    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。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。最后,针对自己感兴趣的GAN进行深入地研究。本null

    作者简介

    精彩内容

    目录
    第1章 生成对抗神经网络综述 1
    1.1 什么是生成对抗神经网络? 2
    1.2 为什么要学习GAN? 5
    1.3 应用场景 9
    1.4 技术难点 18
    1.5 潜在空间的处理 22
    1.6 第一个GAN实战 27
    第2章 TensorFlow 2.0安装 39
    2.1 通过Docker安装 40
    2.2 通过conda安装 41
    第3章 神经网络原理 43
    3.1 应用场景简介 44
    3.2 深层神经网络简介 46
    3.3 卷积神经网络简介 53
    3.4 反卷积神经网络简介 61
    第4章 TensorFlow 2.0开发入门 65
    4.1 开发环境 66
    4.2 张量 68
    4.3 Keras开发概览 72
    4.4 使用函数接口开发 87
    4.5 网络层 99
    4.6 激活函数 104
    4.7 损失函数 108
    4.8 优化器 110
    第5章 常用数据集 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 批量标准化 124
    6.3 使用多种激活函数 125
    6.4 在MNIST数据集上的实现 126
    6.5 在LSUN数据集上的实现 139
    第7章 CGAN 148
    7.1 CGAN概述 149
    7.2 在MNIST数据集上的实现 153
    第8章 InfoGAN 179
    8.1 技术原理 180
    8.2 模型实现技巧 183
    8.3 在MNIST数据集上的实现 185
    8.4 在Fashion MNIST数据集上的实现 201
    第9章 SGAN 204
    9.1 技术原理 205
    9.2 模型训练 207
    9.3 SGAN在MNIST数据集上的实现 210
    9.4 SGAN在CIFAR数据集上的实现 242
    第10章 CycleGAN 267
    10.1 CycleGAN简介 268
    10.2 技术原理 268
    10.3 技术实现 270
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购