国产一线天视频在线看,亚洲国产中文欧美在线人

內(nèi)容簡介

　　生成對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的新星，被譽(yù)為“機(jī)器學(xué)習(xí)領(lǐng)域近20年來最酷的想法”。本書以直白、簡短的方式向讀者介紹了生成對抗網(wǎng)絡(luò)，并且教讀者如何使用PyTorch按部就班地編寫生成對抗網(wǎng)絡(luò)。全書共3章和5個附錄，分別介紹了PyTorch基礎(chǔ)知識，用PyTorch開發(fā)神經(jīng)網(wǎng)絡(luò)，改良神經(jīng)網(wǎng)絡(luò)以提升效果，引入CUDA和GPU以加速GAN訓(xùn)練，以及生成高質(zhì)量圖像的卷積GAN、條件式GAN等話題。附錄部分介紹了在很多機(jī)器學(xué)習(xí)相關(guān)教程中被忽略的主題，包括計算平衡GAN的理想損失值、概率分布和采樣，以及卷積如何工作，還簡單解釋了為什么梯度下降不適用于對抗式機(jī)器學(xué)習(xí)。本書適合想初步了解GAN以及其工作原理的讀者，也適合想要學(xué)習(xí)如何構(gòu)建GAN的機(jī)器學(xué)習(xí)從業(yè)人員。對于正在學(xué)習(xí)機(jī)器學(xué)習(xí)相關(guān)課程的學(xué)生，本書可以幫助讀者快速入門，為后續(xù)的學(xué)習(xí)打好基礎(chǔ)。

作者簡介

　　塔里克.拉希德（Tariq Rashid），擁有物理學(xué)學(xué)士學(xué)位、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘碩士學(xué)位。他常年活躍于倫敦的技術(shù)圈子，領(lǐng)導(dǎo)并組織倫敦Python聚會小組（近3000名成員）。譯者簡介：韓江雷，新加坡南洋理工大學(xué)計算機(jī)專業(yè)博士，思愛普公司（新加坡）數(shù)據(jù)科學(xué)家。他的研究興趣有自然語言處理、文本數(shù)據(jù)分析、數(shù)據(jù)挖掘等項目的落地及運(yùn)維。

圖書目錄

第 1 章　PyTorch和神經(jīng)網(wǎng)絡(luò) 001
1．1　PyTorch入門　001
1．2　初試PyTorch神經(jīng)網(wǎng)絡(luò)　018
1．3　改良方法　043
1．4　CUDA基礎(chǔ)知識　054

第　2 章 GAN初步　064
2．1　GAN的概念　064
2．2　生成1010格式規(guī)律　072
2．3　生成手寫數(shù)字　090
2．4　生成人臉圖像　117

第　3 章卷積GAN和條件式GAN　140
3．1　卷積GAN　140
3．2　條件式GAN　166
3．3　結(jié)語　176

附錄A　理想的損失值　178
A．1　MSE損失　178
A．2　BCE損失　179
附錄B　GAN學(xué)習(xí)可能性　186
B．1　GAN不會記憶訓(xùn)練數(shù)據(jù)　186
B．2　簡單的例子　187
B．3　從一個概率分布中生成圖像　188
B．4　為圖像特征學(xué)習(xí)像素組合　189
B．5　多模式以及模式崩潰　190

附錄C　卷積案例　191
C．1　例1：卷積，步長為1，無補(bǔ)全　191
C．2　例2：卷積，步長為2，無補(bǔ)全　192
C．3　例3：卷積，步長為2，有補(bǔ)全　193
C．4　例4：卷積，不完全覆蓋　194
C．5　例5：轉(zhuǎn)置卷積，步長為2，無補(bǔ)全　194
C．6　例6：轉(zhuǎn)置卷積，步長為1，無補(bǔ)全　196
C．7　例7：轉(zhuǎn)置卷積，步長為2，有補(bǔ)全　197
C．8　計算輸出大小　197

附錄D　不穩(wěn)定學(xué)習(xí)　199
D．1　梯度下降是否適用于訓(xùn)練GAN　199
D．2　簡單的對抗案例　199
D．3　梯度下降并不適合對抗博弈　203
D．4　為什么是圓形軌跡　204

附錄E　相關(guān)數(shù)據(jù)集和軟件　205
E．1　MNIST數(shù)據(jù)集　205
E．2　CelebA數(shù)據(jù)集　205
E．3　英偉達(dá)和谷歌　206
E．4　開源軟件　206