书籍详情
实战GAN：TensorFlow与Keras生成对抗网络构建
作者：（美）Josh Kalin（乔什-卡林）
出版社：电子工业出版社
出版时间：2019-10-01
ISBN：9787121374098
定价：¥79.00
购买这本书可以去
内容简介
本书通过多个不同的生成对抗网络（GAN）架构的实现来帮助读者更好地理解生成对抗网络背后的原理及其构建方式。书中还提供了大量易于理解并可以直接使用的GAN代码及其部署方式和数据集，以帮助读者更快地上手解决工作中所面临的问题并积极应对相关挑战。本书适合数据科学家、算法工程师、数据挖掘工程师以及机器学习领域相关的从业人员用来学习使用全新的深度学习技术解决工作中的问题，也适合机器学习和深度学习的爱好者、初学者用来体验深度学习的魅力。
作者简介
Josh Kalin 是一位物理学家和技术专家，他关注于机器人学和机器学习的交叉领域。Josh致力于先进的传感器，工业机器人，机器学习和自动化车辆研究项目。他同时拥有物理学，机械工程以及计算机科学的学位。在业余时间，他喜欢研究车辆（拥有36辆汽车），组装计算机以及学习机器人以及机器学习领域的新技术（例如撰写本书）。刘梦馨，北京大学硕士研究生，曾在阿里技术保障部担任系统工程师，后加入灵雀云从事容器云平台调度系统和容器网络相关方向的开发，专注于分布式系统和机器学习的研究和动向；译有《Java微服务测试：基于Arquillian、Hoverfly、AssertJ、JUnit、Selenium与Mockito》《GAN：实战生成对抗网络》《Mesos：大数据资源调度与大规模容器运行*佳实践》等书。
目录
目录
序言\t1
第1章 什么是生成对抗网络\t7
简介\t7
生成模型和判别模型\t8
工作流程\t8
工作原理\t9
神经网络的“爱情故事”\t10
工作流程\t10
工作原理\t11
深度神经网络\t11
工作流程\t11
工作原理\t12
架构基础\t13
工作流程\t13
工作原理\t14
基本构建块――生成器\t15
工作流程\t15
工作原理\t15
基本构建块――判别器\t16
工作流程\t16
工作原理\t17
基本构建块――损失函数\t18
工作流程\t18
工作原理\t18
训练\t20
工作流程\t20
工作原理\t20
以不同方式组织GAN\t20
工作流程\t21
工作原理\t21
GAN的输出是什么\t22
工作流程\t22
工作原理\t22
理解GAN架构的优点\t24
工作流程\t24
工作原理\t25
练习\t25
第2章 数据优先、环境和数据准备\t27
简介\t27
数据是否如此重要\t27
准备工作\t28
工作流程\t28
工作原理\t29
更多内容\t29
搭建开发环境\t29
准备工作\t30
工作流程\t30
更多内容\t35
数据类型\t35
准备工作\t36
工作流程\t36
工作原理\t38
更多内容\t40
数据预处理\t41
准备工作\t41
工作流程\t41
工作原理\t42
更多内容\t45
异常数据\t46
准备工作\t46
工作流程\t46
更多内容\t49
平衡数据\t49
准备工作\t49
工作流程\t49
更多内容\t53
数据强化\t54
准备工作\t54
工作流程\t55
工作原理\t56
更多内容\t57
练习\t58
第3章 用100行代码实现第一个GAN\t59
简介\t59
从理论到实践――一个简单例子\t59
准备工作\t60
工作流程\t60
参考内容\t62
使用Keras和TensorFlow构建神经网络\t62
准备工作\t63
工作流程\t63
参考内容\t66
解释你的第一个GAN组件――判别器\t66
准备工作\t67
工作流程\t67
解释你的第二个GAN组件――生成器\t71
准备工作\t71
工作流程\t71
组合GAN组件\t75
准备工作\t76
工作流程\t76
训练你的第一个GAN\t78
准备工作\t78
工作流程\t78
训练模型并理解GAN的输出\t84
准备工作\t84
工作流程\t84
工作原理\t86
练习\t87
第4章 使用DCGAN创造新的室外结构\t89
简介\t89
什么是DCGAN？一个简单的伪代码样例\t89
准备工作\t90
工作流程\t90
参考内容\t93
工具――是否需要特殊的工具\t93
准备工作\t93
工作流程\t94
更多内容\t97
参考内容\t97
解析数据――数据是否独特\t97
准备工作\t97
工作流程\t98
代码实现――生成器\t100
准备工作\t100
工作流程\t100
参考内容\t103
代码实现――判别器\t103
准备工作\t104
工作流程\t104
参考内容\t107
训练\t107
准备工作\t107
工作流程\t107
评估――如何判断它是否有效\t114
准备工作\t115
工作原理\t115
调整参数优化性能\t116
工作流程\t116
练习\t118
第5章 Pix2Pix图像转换\t119
简介\t119
使用伪代码介绍Pix2Pix\t119
准备工作\t120
工作流程\t120
数据集解析\t122
准备工作\t122
工作流程\t123
代码实现――生成器\t124
准备工作\t124
工作流程\t125
代码实现――GAN\t127
准备工作\t127
工作流程\t128
代码实现――判别器\t129
准备工作\t129
工作流程\t129
训练\t131
准备工作\t131
工作流程\t132
练习\t139
第6章 使用CycleGAN进行图像风格转换\t141
简介\t141
伪代码――工作原理\t141
准备工作\t142
工作流程\t142
解析CycleGAN数据集\t144
准备工作\t144
工作流程\t145
代码实现――生成器\t147
准备工作\t147
工作流程\t148
代码实现――判别器\t150
准备工作\t150
工作流程\t151
代码实现――GAN\t153
准备工作\t153
工作流程\t154
训练\t155
准备工作\t155
工作流程\t156
练习\t162
第7章 利用SimGAN使用模拟图像制作具有真实感的眼球图片\t163
简介\t163
SimGAN架构的工作原理\t163
准备工作\t164
工作流程\t164
伪代码――工作原理\t165
准备工作\t165
工作流程\t165
如何使用训练数据\t166
准备工作\t166
工作流程\t166
代码实现――损失函数\t169
准备工作\t169
工作流程\t169
代码实现――生成器\t170
准备工作\t170
工作流程\t171
代码实现――判别器\t173
准备工作\t173
工作流程\t174
代码实现――GAN\t176
准备工作\t176
工作流程\t177
训练SimGAN\t178
准备工作\t178
工作流程\t179
练习\t183
第8章 使用GAN从图像生成3D模型\t185
简介\t185
使用GAN生成3D模型\t185
准备工作\t186
工作流程\t186
环境准备\t188
准备工作\t189
工作流程\t189
对2D数据进行编码并匹配3D对象\t190
准备工作\t191
工作流程\t191
代码实现――生成器\t193
准备工作\t193
工作流程\t194
代码实现――判别器\t196
准备工作\t196
工作流程\t197
代码实现――GAN\t199
准备工作\t199
工作流程\t199
训练模型\t200
准备工作\t201
工作流程\t201
练习\t208
序言\t1
第1章 什么是生成对抗网络\t7
简介\t7
生成模型和判别模型\t8
工作流程\t8
工作原理\t9
神经网络的“爱情故事”\t10
工作流程\t10
工作原理\t11
深度神经网络\t11
工作流程\t11
工作原理\t12
架构基础\t13
工作流程\t13
工作原理\t14
基本构建块――生成器\t15
工作流程\t15
工作原理\t15
基本构建块――判别器\t16
工作流程\t16
工作原理\t17
基本构建块――损失函数\t18
工作流程\t18
工作原理\t18
训练\t20
工作流程\t20
工作原理\t20
以不同方式组织GAN\t20
工作流程\t21
工作原理\t21
GAN的输出是什么\t22
工作流程\t22
工作原理\t22
理解GAN架构的优点\t24
工作流程\t24
工作原理\t25
练习\t25
第2章 数据优先、环境和数据准备\t27
简介\t27
数据是否如此重要\t27
准备工作\t28
工作流程\t28
工作原理\t29
更多内容\t29
搭建开发环境\t29
准备工作\t30
工作流程\t30
更多内容\t35
数据类型\t35
准备工作\t36
工作流程\t36
工作原理\t38
更多内容\t40
数据预处理\t41
准备工作\t41
工作流程\t41
工作原理\t42
更多内容\t45
异常数据\t46
准备工作\t46
工作流程\t46
更多内容\t49
平衡数据\t49
准备工作\t49
工作流程\t49
更多内容\t53
数据强化\t54
准备工作\t54
工作流程\t55
工作原理\t56
更多内容\t57
练习\t58
第3章 用100行代码实现第一个GAN\t59
简介\t59
从理论到实践――一个简单例子\t59
准备工作\t60
工作流程\t60
参考内容\t62
使用Keras和TensorFlow构建神经网络\t62
准备工作\t63
工作流程\t63
参考内容\t66
解释你的第一个GAN组件――判别器\t66
准备工作\t67
工作流程\t67
解释你的第二个GAN组件――生成器\t71
准备工作\t71
工作流程\t71
组合GAN组件\t75
准备工作\t76
工作流程\t76
训练你的第一个GAN\t78
准备工作\t78
工作流程\t78
训练模型并理解GAN的输出\t84
准备工作\t84
工作流程\t84
工作原理\t86
练习\t87
第4章 使用DCGAN创造新的室外结构\t89
简介\t89
什么是DCGAN？一个简单的伪代码样例\t89
准备工作\t90
工作流程\t90
参考内容\t93
工具――是否需要特殊的工具\t93
准备工作\t93
工作流程\t94
更多内容\t97
参考内容\t97
解析数据――数据是否独特\t97
准备工作\t97
工作流程\t98
代码实现――生成器\t100
准备工作\t100
工作流程\t100
参考内容\t103
代码实现――判别器\t103
准备工作\t104
工作流程\t104
参考内容\t107
训练\t107
准备工作\t107
工作流程\t107
评估――如何判断它是否有效\t114
准备工作\t115
工作原理\t115
调整参数优化性能\t116
工作流程\t116
练习\t118
第5章 Pix2Pix图像转换\t119
简介\t119
使用伪代码介绍Pix2Pix\t119
准备工作\t120
工作流程\t120
数据集解析\t122
准备工作\t122
工作流程\t123
代码实现――生成器\t124
准备工作\t124
工作流程\t125
代码实现――GAN\t127
准备工作\t127
工作流程\t128
代码实现――判别器\t129
准备工作\t129
工作流程\t129
训练\t131
准备工作\t131
工作流程\t132
练习\t139
第6章 使用CycleGAN进行图像风格转换\t141
简介\t141
伪代码――工作原理\t141
准备工作\t142
工作流程\t142
解析CycleGAN数据集\t144
准备工作\t144
工作流程\t145
代码实现――生成器\t147
准备工作\t147
工作流程\t148
代码实现――判别器\t150
准备工作\t150
工作流程\t151
代码实现――GAN\t153
准备工作\t153
工作流程\t154
训练\t155
准备工作\t155
工作流程\t156
练习\t162
第7章 利用SimGAN使用模拟图像制作具有真实感的眼球图片\t163
简介\t163
SimGAN架构的工作原理\t163
准备工作\t164
工作流程\t164
伪代码――工作原理\t165
准备工作\t165
工作流程\t165
如何使用训练数据\t166
准备工作\t166
工作流程\t166
代码实现――损失函数\t169
准备工作\t169
工作流程\t169
代码实现――生成器\t170
准备工作\t170
工作流程\t171
代码实现――判别器\t173
准备工作\t173
工作流程\t174
代码实现――GAN\t176
准备工作\t176
工作流程\t177
训练SimGAN\t178
准备工作\t178
工作流程\t179
练习\t183
第8章 使用GAN从图像生成3D模型\t185
简介\t185
使用GAN生成3D模型\t185
准备工作\t186
工作流程\t186
环境准备\t188
准备工作\t189
工作流程\t189
对2D数据进行编码并匹配3D对象\t190
准备工作\t191
工作流程\t191
代码实现――生成器\t193
准备工作\t193
工作流程\t194
代码实现――判别器\t196
准备工作\t196
工作流程\t197
代码实现――GAN\t199
准备工作\t199
工作流程\t199
训练模型\t200
准备工作\t201
工作流程\t201
练习\t208
猜您喜欢
