由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书GAN生成对抗神经网络原理与实践9787301321164
¥ ×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 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 1
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
0章 CycleGAN 267
10.1 CycleGAN简介 268
10.2 技术原理 268
10.3 技术实现 270
……
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,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:,本书介绍了几种常用的、有代表的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的关键原理和实战代码。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格