深入浅出GAN生成对抗网络 原理剖析与TensorFlow实践 廖茂文,潘志宏 著 专业科技 文轩网

第1章优雅Python1
1.1Anaconda1
1.2Python基础4
1.2.1常用数据类型5
1.2.2流程控制7
1.2.3函数定义8
1.3Python进阶8
1.3.1生成式9
1.3.2可迭代对象与迭代器9
1.3.3生成器11
1.3.4装饰器11
1.4小结13
第2章优雅的数学14
2.1向量与矩阵14
2.1.1向量的概念14
2.1.2向量的基本运算15
2.1.3矩阵的概念17
2.1.4矩阵的运算19
2.2微积分24
2.2.1圆的面积24
2.2.2古典微积分25
2.2.3重建微积分28
2.2.4常用的公式29
2.2.5偏导数31
2.2.6方向导数31
2.2.7链式法则33
2.3概率论34
2.3.1随机变量34
2.3.2条件概率36
2.3.3贝叶斯定理38
2.3.4常见的概率分布39
2.4信息论41
2.4.1信息熵41
2.4.2条件熵43
2.4.3互信息43
2.4.4相对熵（KL散度）44
2.4.5交叉熵45
2.5小结46
第3章初识神经网络47
3.1什么是神经网络47
3.1.1神经网络的历史47
3.1.2神经网络的优势54
3.2神经网络中常见的概念55
3.2.1前向传播算法55
3.2.2损失函数57
3.2.3梯度下降算法58
3.2.4各种梯度下降算法63
3.2.5反向传播算法67
3.2.6过拟合与欠拟合70
3.3动手实现深度学习框架TensorPy71
3.3.1实现计算图71
3.3.2实现Session对象74
3.3.3实现感知器前向传播算法76
3.3.4实现对数损失79
3.3.5实现梯度下降算法与反向传播算法81
3.3.6实现多层感知器86
3.4TensorFlow简介89
3.4.1TensorFlow安装与介绍89
3.4.2TensorFlow基本概念90
3.4.3TensorFlow实现多层感知器91
3.4.4TensorBoard可视化93
3.4.5TensorFlow模型保存方法98
3.5小结99
第4章初识生成对抗网络101
4.1什么是生成对抗网络101
4.1.1什么是GAN101
4.1.2GAN使用范围103
4.2GAN基本原理104
4.2.1GAN模型详情104
4.2.2对抗的本质106
4.3TensorFlow实现朴素GAN108
4.3.1朴素GAN生成MNIST数据集108
4.3.2训练与效果展示114
4.4关于GAN的几个问题117
4.4.1为什么生成器G生成数据需要判别器D介入117
4.4.2为什么判别器D不自己生成数据120
4.4.3为什么选择GAN121
4.5小结122
第5章生成对抗网络的数学原理123
5.1拟合真实分布123
5.1.1优选似然估计123
5.1.2优选似然估计拟合分布125
5.1.3优选似然估计与KL散度的关系126
5.2生成对抗网络127
5.2.1生成器拟合分布127
5.2.2判别器计算分布的差异128
5.2.3GAN的数学推导129
5.2.4GAN的本质131
5.3统一框架F-GAN134
5.3.1f散度134
5.3.2凸共轭137
5.3.3f散度与GAN之间的关系138
5.4GAN训练过程可视化139
5.5小结144
第6章卷积生成对抗网络145
6.1初识卷积神经网络145
6.1.1什么是卷积神经网络145
6.1.2CNN识别图像过程147
6.1.3CNN核心概念151
6.2TensorFlow实现卷积网络154
6.2.1构建CNN计算图154
6.2.2训练CNN网络160
6.2.3Dropout操作161
6.2.4DCGAN：CNN与GAN有机结合162
6.2.5Batch Normalization164
6.3TensorFlow实现DCGAN网络166
6.3.1TensorFlow实现DCGAN的生成器.167
6.3.2TensorFlow实现DCGAN的判别器170
6.3.3获得测试样例171
6.3.4构建DCGAN整体172
6.3.5训练DCGAN173
6.3.6RussellCould使用179
6.3.7结果展示185
6.4小结189
第7章条件对抗生成网络190
7.1如何实现图像间风格转换190
7.1.1传统神经网络的缺陷190
7.1.2普通GAN的缺陷191
7.2条件对抗生成网络192
7.2.1GAN详解192
7.2.2CGAN训练流程193
7.3ColorGAN的实现194
7.3.1生成器与判别器的构建194
7.3.2图像数据预处理197
7.3.3ColorGAN训练学习200
7.3.4ColorGAN训练结果203
7.3.5图像转图像的讨论208
7.4实现文字转图像209
7.4.1独热向量209
7.4.2fashion-mnist数据集210
7.4.3FashionCGAN判别器和生成器211
7.4.4训练FashionCGAN213
7.5实现句子转图像215
7.5.1word2vec技术215
7.5.2RNN、LSTM与GRU218
7.5.3Skip-Thought Vector223
7.5.4实现Skip-Thought226
7.5.5实现句子转图像234
7.6小结237
第8章循环一致性238
8.1以无监督的方式实现风格转换238
8.2CycleGAN240
8.2.1CycleGAN的架构与目标函数241
8.2.2CycleGAN做的改变243
8.2.3TensorFlow实现CycleGAN生成器与判别器251
8.2.4TensorFlow搭建与训练CycleGAN254
8.2.5效果展示258
8.3StarGAN262
8.3.1StarGAN的结构与目标函数262
8.3.2TensorFlow构建StarGAN模型265
8.3.3构建StarGAN的损失268
8.3.4效果展示272
8.4语义样式不变的图像跨域转换275
8.4.1Domain Transfer Network介绍276
8.4.2DTN代码结构278
8.4.3XGAN介绍283
8.5小结287
第9章改进生成对抗网络289
9.1传统GAN存在的问题289
9.1.1梯度消失289
9.1.2模式崩溃293
9.2Wasserstein GAN295
9.2.1EM距离295
9.2.2EM距离使用在GAN上298
9.2.3EM距离与判别器的关系299
9.2.4TensorFlow实现WGAN302
9.3ImprovedWGAN（WGAN-GP）306
9.3.1WGAN存在的问题306
9.3.2gradient penalty308
9.3.3TensorFlow实现WGAN-GP310
9.4SN-GAN314
9.4.1SN-GAN介绍314
9.4.2Spectral Normalization方法与SN-GAN315
9.4.3TensorFlow实现SNGAN321
9.5小结326
第10章渐近增强式生成对抗网络327
10.1堆叠式生成对抗网络StackGAN327
10.1.1StackGAN-v1327
10.1.2棋盘效应330
10.1.3StackGAN-v2333
10.1.4TensorFlow实现StackGAN-v2335
10.2TensorFlow数据处理348
10.2.1placeholder读取数据348
10.2.2Queue方式读取数据348
10.2.3tf.data读取数据353
10.3渐近增长生成对抗网络PGGAN355
10.3.1PGGAN介绍355
10.3.2PGGAN的改进点356
10.3.3TensorFlow实现PGGAN361
10.4小结369
第11章GAN进行特征学习370
11.1近似推断370
11.1.1变分推断思想371
11.1.2平均场372
11.2InfoGAN375
11.2.1数据特征与互信息376
11.2.2InfoGAN数学原理与模型结构377
11.2.3TensorFlow实现InfoGAN381
11.2.4使用InfoGAN生成图像385
11.3VAE-GAN390
11.3.1AutoEncoder自编码器390
11.3.2变分自编码器392
11.3.3数学角度看VAE394
11.3.4TensorFlow实现VAE400
11.3.5VAE与GAN的结合体VAE-GAN405
11.3.6TensorFlow实现VAE-GAN407
11.4小结414
第12章GAN在NLP中的运用415
12.1GAN在文本生成中遇到的境415
12.2GAN生成离散数据的方法418
12.2.1判别器直接获取生成器的输出418
12.2.2Gumbel-softmax420
12.3强化学习简述422
12.3.1强化学习算法423
12.3.2Policy Gradient424
12.3.3GAN+RL作用于文本生成428
12.4SeqGAN429
12.4.1SeqGAN结构与算法429
12.4.2Highway Network432
12.4.3SeqGAM生成器与rollout结构的实现434
12.4.4SeqGAN中目标LSTM与判别器的实现445
12.4.5SeqGAN中生成器与判别器预训练453
12.4.6SeqGAN对抗训练459
12.5MaskGAN461
12.5.1MaskGAN结构与算法461
12.5.2TensorFlow实现MaskGAN的生成器与判别器465
12.5.3TensorFlow实现MaskGAN的Actor-Critic与目标函数472
12.5.4TensorFlow实现MaskGAN的结构与训练逻辑476
12.6小结480