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。
乔什·卡林（Josh Kalin）是一位物理学家和技术专家，他关注于机器人和机器学习的交叉领域。Josh致力于先进传感器、工业机器人、机器学习和自动化车辆项目的研究。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、组装计算机，以及学习机器人和机器学习领域的新技术。
序言
第1章 什么是生成对抗网络
简介
生成模型和判别模型
工作流程
工作原理
神经网络的“爱情故事”
工作流程
工作原理
深度神经网络
工作流程
工作原理
架构基础
工作流程
工作原理
基本构建块——生成器
工作流程
工作原理
基本构建块——判别器
工作流程
工作原理
基本构建块——损失函数
工作流程
工作原理
训练
工作流程
工作原理
以不同方式组织GAN
工作流程
工作原理
GAN的输出是什么
工作流程
工作原理
理解GAN架构的优点
工作流程
工作原理
练习
第2章 数据优先、环境和数据准备
简介
数据是否如此重要
准备工作
工作流程
工作原理
更多内容
搭建开发环境
准备工作
工作流程
更多内容
数据类型
准备工作
工作流程
工作原理
更多内容
数据预处理
准备工作
工作流程
工作原理
更多内容
异常数据
准备工作
工作流程
更多内容
平衡数据
准备工作
工作流程
更多内容
数据强化
准备工作
工作流程
工作原理
更多内容
练习
第3章 用100行代码实现第一个GAN
简介
从理论到实践——一个简单例子
准备工作
工作流程
参考内容
使用Keras和TensorFlow构建神经网络
准备工作
工作流程
参考内容
解释你的第一个GAN组件——判别器
准备工作
工作流程
解释你的第二个GAN组件——生成器
准备工作
工作流程
组合GAN组件
准备工作
工作流程
训练你的第一个GAN
准备工作
工作流程
训练模型并理解GAN的输出
准备工作
工作流程
工作原理
练习
第4章 使用DCGAN创造新的室外结构
简介
什么是DCGAN？一个简单的伪代码样例
准备工作
工作流程
参考内容
工具——是否需要特殊的工具
准备工作
工作流程
更多内容
参考内容
解析数据——数据是否独特
准备工作
工作流程
代码实现——生成器
准备工作
工作流程
参考内容
代码实现——判别器
准备工作
工作流程
参考内容
训练
准备工作
工作流程
评估——如何判断它是否有效
准备工作
工作原理
调整参数优化性能
工作流程
练习
第5章 Pix2Pix图像转换
简介
使用伪代码介绍Pix2Pix
准备工作
工作流程
数据集解析
准备工作
工作流程
代码实现——生成器
准备工作
工作流程
代码实现——GAN
准备工作
工作流程
代码实现——判别器
准备工作
工作流程
训练
准备工作
工作流程
练习
第6章 使用CycleGAN进行图像风格转换
简介
伪代码——工作原理
准备工作
工作流程
解析CycleGAN数据集
准备工作
工作流程
代码实现——生成器
准备工作
工作流程
代码实现——判别器
准备工作
工作流程
代码实现——GAN
准备工作
工作流程
训练
准备工作
工作流程
练习
第7章 利用SimGAN使用模拟图像制作具有真实感的眼球图片
简介
SimGAN架构的工作原理
准备工作
工作流程
伪代码——工作原理
准备工作
工作流程
如何使用训练数据
准备工作
工作流程
代码实现——损失函数
准备工作
工作流程
代码实现——生成器
准备工作
工作流程
代码实现——判别器
准备工作
工作流程
代码实现——GAN
准备工作
工作流程
训练SimGAN
准备工作
工作流程
练习
第8章 使用GAN从图像生成3D模型
简介
使用GAN生成3D模型
准备工作
工作流程
环境准备
准备工作
工作流程
对2D数据进行编码并匹配3D对象
准备工作
工作流程
代码实现——生成器
准备工作
工作流程
代码实现——判别器
准备工作
工作流程
代码实现——GAN
准备工作
工作流程
训练模型
准备工作
工作流程
练习
[
我的消息
购物车
