实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
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!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高99元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
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。
醉染图书生成对抗网络入门指南(第2版)9787111683711
¥ ×1
商品
服务
物流
章 人工智能入门 1 1.1 人工智能的历史以及发展 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 8 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.. 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 18 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 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 实例:图像分类 30 . Keras 基础入门 32 ..1 Keras 简介与安装 32 ..2 Keras 使用入门 34 .. Keras 实例:文本情感分析 37 2.4 本章小结 39 第 3 章 理解生成对抗网络 40 3.1 生成模型 40 3.1.1 生成模型简介 40 3.1.2 自动编码器 42 3.1.3 变分自动编码器 44 3.2 GAN 的数学原理 47 3.2.1 似然估计 47 3.2.2 GAN 的数学推导 50 3.3 GAN 的可视化理解 54 3.4 GAN 的工程实践 55 3.5 本章小结 63 第 4 章 深度卷积生成对抗网络 64 4.1 DCGAN 的框架 64 4.1.1 DCGAN 设计规则 64 4.1.2 DCGAN 框架结构 68 4.2 DCGAN 的工程实践 69 4.3 DCGAN 的实验应 77 4.3.1 生成图像的变换 77 4.3.2 生成图像的算术运算 794.3.3 残缺图像的补全 81 4.4 本章小结 83 第 5 章 Wasserstein GAN 84 5.1 GAN 的优化问题 84 5.2 WGAN 的理论研究 88 5.3 WGAN 的工程实践 91 5.4 WGAN 的实验效果分析 95 5.4.1 代价函数与生成质量的相关 95 5.4.2 生成网络的稳定 96 5.4.3 模式崩溃问题 99 5.5 WGAN 的改进方案:WGAN-GP 99 5.6 本章小结 103 第 6 章 不同结构的 GAN 104 6.1 GAN 与监督式学习 104 6.1.1 条件式生成:cGAN 104 6.1.2 cGAN 在图像上的应用 106 6.2 GAN 与半监督式学习 109 6.2.1 半监督式生成:SGAN 109 6.2.2 辅分类生成:ACGAN 111 6.3 GAN 与无监督式学习 112 6.3.1 无监督式学习与可解释型特征 112 6.3.2 理解 InfoGAN 114 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:GAWWN 124 7.3 文本到高质量图像的生成 127 7.3.1 层级式图像生成:StackGAN 128 7.3.2 层级式图像生成的优化:StackGAN-v2 133 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:iGAN 136 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 141 8.2 匹配数据图像转换:Pix2Pix 144 8.2.1 理解匹配数据的图像转换 144 8.2.2 Pix2Pix 的理论基础 146 8.. Pix2Pix 的应用实践 150 8.3 非匹配数据图像转换:CycleGAN 157 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 162 8.3.3 CycleGAN 的应用实践 165 8.4 多领域图像转换:StarGAN 171 8.4.1 多领域的图像转换问题 171 8.4.2 StarGAN 的理论基础 174 8.4.3 StarGAN 的应用实践 177 8.5 本章小结 182 第 9 章 序列数据的生成 183 9.1 序列生成的问题 183 9.2 GAN 的序列生成方法 1849.3 自然语言生成 187 9.4 本章小结 191 0 章 GAN 与强化学习及逆向强化学习 192 10.1 GAN 与强化学习 192 10.1.1 强化学习基础 192 10.1.2 Actor-Critic 195 10.1.3 GAN 与强化学习的关联 196 10.2 GAN 与逆向强化学习 197 10.2.1 逆向强化学习基础 197 10.2.2 经典 IRL 算法 198 10.. GAN 的模仿学习:GAIL 200 10.3 本章小结 201 1 章 新一代 GAN 202 11.1 GAN 的评估方法 202 11.2 GAN 的进化 205 11.2.1 SNGAN 与 SAGAN 205 11.2.2 BigGAN 206 11.. StyleGAN 208 11.3 本章小结 210 2 章 GAN 的应用与发展 211 12.1 多媒体领域的应用 211 12.1.1 图像处理 211 12.1.2 音频合成 218 12.2 艺术领域的应用 221 12.2.1 AI 能否创造艺术 221 12.2.2 AI 与计算机艺术的发展 2 12.. 艺术生成网络:从艺术模仿到创意生成 1 1. 设计领域的应用 1..1 AI 时代的设计 1..2 AI 辅式设计的研究 240 12.4 安全领域的应用 249 12.5 本章小结 252 参考文献 253
史丹青
同济大学博士,专业方向为人工智能与数据设计,在计算机会议上发表多篇智能生成相关。曾担任语忆科技联合创始人兼技术负责人,拥有多年人工智能领域创业与实战经验,具备深度学习、自然语言处理以及数据可视化等相关知识与技能。他是人工智能技术的爱好者,喜欢拥抱一切新兴科技,并始终坚信技术分享和开源精神的力量。
适读人群:
本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。
1、本书第2版跟踪近两年生成对抗网络(GAN)技术的发展和变化,包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容,新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与版内容有机地结合,深入浅出地阐述了生成对抗网络技术原理和演进,通过代码实例揭示了生成对抗网络技术实际应用的方法,方便读者学习入门。
2、书中所有示例代码基于Tensorflow2.0进行了更新,全部支持在Tensorflow2.0环境下运行,方便读者上手实践,深入了解技术实现细节。
3、读者可在华章图书该书网页下载书中全部示例代码。
从2014年至今,与GAN有关的数量急剧增加,从谷歌学术的数据来看,数量仍在不断增加中。究其原因,除了科学研究本身的魅力之外,诸如文本到图像的生成、图像到图像的生成等应用研究也让业界兴奋,给人工智能领域带来诸多可能。本书是GAN的入门书籍,结合基础理论、工程实践进行讲解,深入浅出地介绍GAN的技术发展以及各类衍生模型。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能技术爱好者。书中包含GAN的理论知识与代码实践(示例代码可以从华章官网搜索下载),可帮读者理解GAN的技术原理与实现细节。
本书主要内容人工智能入门知识与开发工具GAN的理论与实践DCGAN、WGAN、cGAN等主流GAN衍生模型文本到图像、图像到图像以及离散数据的生成方法GAN与强化学习的关联BigGAN、StyleGAN等前沿GAN模型多媒体与艺术设计领域中的GAN应用
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
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~
验证码错误
看不清楚?换一张
确定关闭
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~
查看我的收藏夹
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
继续等待
0小时0分
立即开通
SUPER会员