同類熱銷排行榜

GAN生成對抗神經網路原理與實踐

作者：李明軍|責編:張雲靜//劉倩
出版社：北京大學
ISBN：9787301321164

出版日期：2021/05/01
裝幀：平裝
頁數：286

人民幣：RMB 79 元售價：元

內容大鋼

生成對抗神經網路（Generative Adversarial Nets，GAN）作為一種深度學習框架，發展十分迅猛。通過相互對抗的神經網路模型，GAN能夠生成結構複雜且十分逼真的高維度數據。因此，GAN被廣泛地應用在學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成等；序列數據生成，如語音生成、音樂生成等；以及其他眾多領域，如遷移學習、醫學圖像細分、隱寫術、持續學習（深度學習重放）等。
GAN的技術較為複雜，細分領域眾多，因此需要有一個高效率的學習方法。首先，需要了解GAN的全景，對GAN的發展脈絡和各個細分領域都有所了解。這樣，當我們面對各種各樣的應用場景時，才能夠做到胸有成竹。其次，掌握生成對抗的基本原理，以及實現生成對抗的關鍵技術。這樣，當我們面對在GAN領域出現的各種新理念、新技術時，才能夠追本溯源，從容應對。最後，針對自己感興趣的GAN進行深入地研究。本書正是這樣組織的，讓有志於學習研究GAN的人能夠快速入門並掌握GAN的關鍵技術。

作者介紹

李明軍|責編:張雲靜//劉倩
李明軍，資深數據挖掘與人工智慧專家，在大數據分析與挖掘、機器學習、人工智慧等領域實戰經驗豐富。曾就職于Teradata、中國惠普、神州泰岳和億陽信通，現工作于東方國信。知乎多個專欄主筆：電腦視覺、生成對抗網路、強化學習等，著有《TensorFlow深度學習實戰大全》。

第1章  生成對抗神經網路綜述
  1.1  什麼是生成對抗神經網路
    1.1.1  GAN架構
    1.1.2  判別模型
    1.1.3  生成模型
    1.1.4  訓練方法
  1.2  為什麼要學習GAN？
    1.2.1  GAN的應用場景非常廣泛
    1.2.2  GAN既關注全局又關注細節
    1.2.3  GAN能生成足夠逼真的數據
    1.2.4  GAN能夠快速地生成數據
    1.2.5  GAN無須預設樣本數據空間分佈
    1.2.6  對GAN的研究爆發性增長
  1.3  應用場景
    1.3.1  圖像生成
    1.3.2  多域圖像生成
    1.3.3  圖像轉換
    1.3.4  多域圖像轉換
    1.3.5  圖像超解析度
    1.3.6  對象檢測
    1.3.7  對象變換
    1.3.8  文本轉圖像
    1.3.9  變換面部特徵
    1.3.10  音樂合成
    1.3.11  語言合成
    1.3.12  語音合成
    1.3.13  半監督學習——採用判別模型
    1.3.14  半監督學習——採用輔助分類器
    1.3.15  域自適應
    1.3.16  其他應用
  1.4  技術難點
    1.4.1  模型訓練困難及相應的解決方法
  ……
第2章  TensorFlow 2.0安裝
第3章  神經網路原理
第4章  TensorFlow 2.0開發入門
第5章  常用數據集
第6章  DCGAN
第7章  CGAN
第8章  InfoGAN
第9章  SGAN
第10章  CycleGAN

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

GAN生成對抗神經網路原理與實踐