- 商品参数
-
- 作者:
廖茂文著
- 出版社:人民邮电出版社
- 开本:16开
- ISBN:9789477226235
- 版权提供:人民邮电出版社
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!
2.店铺无纸质均开具电子,请联系客服开具电子版
基本信息
商品名称: | 深入浅出GAN生成对抗网络(原理剖析与TensorFlow | 开本: | 16开 |
作者: | 廖茂文//潘志宏|责编:俞彬 | 页数: | 480 |
定价: | 99.0 | 出版时间: | 2020-06-01 |
ISBN号: | 9787115517951 | 印刷时间: | 2020-06-01 |
出版社: | 人民邮电出版社 | 版次: | 1 |
印次: | 1 | | |
内容提要:
本书从Python基本语法入手,逐步介绍**的数学知识与神经网络的基本知识,并利用介绍的内容编写一个深度学习框架TensorPy,有了这些知识作为铺垫后,就开始介绍生成对抗网络(GAN)相关的内容。然后,本书使用比较简单的语言来描述GAN涉及的思想、模型与数学原理,接着便通过TensorFlow实现传统的GAN,并讨论为何一定需要生成器或判别器。接下来,重点介绍GAN各种常见的变体,包括卷积生成对抗网络、条件生成对抗网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。
本书从模型与数学的角度来理解GAN变体,希望通过数学符号表达出不同GAN变体的核心思想,适合人工智能、机器学习、计算机视觉相关专业的人员学习使用。
作者简介:
潘志宏,硕士,高级工程师,中山大学新华学院“百名骨干教师”,ACM会员、CCF会员。研究兴趣:机器学习(深度学习)、物联网、移动互联网。主持和参与省市级、校级项目10余项,发表论文16篇,其中EI、北大核心期刊10篇,第一作者论文获得北大核心期刊优秀论文、东莞市计算机学会优秀论文。申请发明专利、实用新型专利共6项,其中已授权3项,获得软件著作权3项,已出版教材两部。指导学生获得国家级、省级、市级竞赛奖项40余项,多次获得国家级、省级优秀指导教师奖。
目录:
第1章 优雅Python
1.1 Anaconda
1.2 Python基础
1.2.1 常用数据类型
1.2.2 流程控制
1.2.3 函数定义
1.3 Python进阶
1.3.1 生成式
1.3.2 可迭代对象与迭代器
1.3.3 生成器
1.3.4 装饰器
1.4 小结
第2章 优雅的数学
2.1 向量与矩阵
2.1.1 向量的概念
2.1.2 向量的基本运算
2.1.3 矩阵的概念
2.1.4 矩阵的运算
2.2 微积分
2.2.1 圆的面积
2.2.2 古典微积分
2.2.3 重建微积分
2.2.4 常用的公式
2.2.5 偏导数
2.2.6 方向导数
2.2.7 链式法则
2.3 概率论
2.3.1 随机变量
2.3.2 条件概率
2.3.3 贝叶斯定理
2.3.4 常见的概率分布
2.4 信息论
2.4.1 信息熵
2.4.2 条件熵
2.4.3 互信息
2.4.4 相对熵(KL散度)
2.4.5 交叉熵
2.5 小结
第3章 初识神经网络
3.1 什么是神经网络
3.1.1 神经网络的历史
3.1.2 神经网络的优势
3.2 神经网络中常见的概念
3.2.1 前向传播算法
3.2.2 损失函数
3.2.3 梯度下降算法
3.2.4 各种梯度下降算法
3.2.5 反向传播算法
3.2.6 过拟合与欠拟合
3.3 动手实现深度学习框架TensorPy
3.3.1 实现计算图
3.3.2 实现Session对象
3.3.3 实现感知器前向传播算法
3.3.4 实现对数损失
3.3.5 实现梯度下降算法与反向传播算法
3.3.6 实现多层感知器
3.4 TensorFlow简介
3.4.1 TensorFlow安装与介绍
3.4.2 TensorFlow基本概念
3.4.3 TensorFlow实现多层感知器
3.4.4 TensorBoard可视化
3.4.5 TensorFlow模型保存方法
3.5 小结
……
第4章 初识生成对抗网络
第5章 生成对抗网络的数学原理
第6章 卷积生成对抗网络
第7章 条件对抗生成网络
第8章 循环一致性
第9章 改进生成对抗网络
第10章 渐近增强式生成对抗网络
第11章 GAN进行特征学习
第12章 GAN在NLP中的运用
1