GAN生成對(duì)抗神經(jīng)網(wǎng)絡(luò)原理與實(shí)踐
生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（Generative Adversarial Nets，GAN）作為一種深度學(xué)習(xí)框架，發(fā)展十分迅猛。通過(guò)相互對(duì)抗的神經(jīng)網(wǎng)絡(luò)模型，GAN能夠生成結(jié)構(gòu)復(fù)雜且十分逼真的高維度數(shù)據(jù)。因此，被廣泛應(yīng)用于學(xué)術(shù)研究和工程領(lǐng)域，包括圖像處理，如圖像生成、圖像轉(zhuǎn)換、視頻合成；序列數(shù)據(jù)生成，如語(yǔ)音生成、音樂(lè)生成等；以及其他眾多領(lǐng)域，如遷移學(xué)習(xí)、醫(yī)學(xué)圖象細(xì)分、隱寫(xiě)術(shù)、持續(xù)學(xué)習(xí)（深度學(xué)習(xí)重放）等。
GAN的技術(shù)較為復(fù)雜，細(xì)分領(lǐng)域眾多，發(fā)展十分迅猛，因此，需要一個(gè)科學(xué)有效的學(xué)習(xí)方法。首先，需要了解GAN的全景，對(duì)GAN的發(fā)展脈絡(luò)和各個(gè)細(xì)分領(lǐng)域都有所了解，在面對(duì)各種各樣的應(yīng)用場(chǎng)景時(shí)能夠胸有成竹。其次，掌握生成對(duì)抗的基本原理，以及實(shí)現(xiàn)生成對(duì)抗的關(guān)鍵技術(shù)，在面對(duì)GAN領(lǐng)域出現(xiàn)的各種新理念、新技術(shù)時(shí)能夠追本溯源，從容應(yīng)對(duì)。最后，再針對(duì)關(guān)鍵的GAN進(jìn)行深入研究。本書(shū)正是按照上述方式來(lái)組織的。讓有志于學(xué)習(xí)研究GAN的讀者快速入門(mén)并掌握GAN的關(guān)鍵技術(shù)，是寫(xiě)作本書(shū)的初衷。
李明軍，畢業(yè)于華北理工大學(xué)，曾就職于中國(guó)惠普、神州泰岳和億陽(yáng)信通。近十余年，從事大數(shù)據(jù)分析、人工智能等相關(guān)領(lǐng)域的工作。在知乎上發(fā)表過(guò)多篇技術(shù)文章，對(duì)大數(shù)據(jù)分析、人工智能、數(shù)據(jù)治理有著豐富的經(jīng)驗(yàn)。著有《TensorFlow深度學(xué)習(xí)實(shí)戰(zhàn)大全》。
第1章 生成對(duì)抗神經(jīng)網(wǎng)絡(luò)綜述 1
1.1 什么是生成對(duì)抗神經(jīng)網(wǎng)絡(luò)？ 2
1.2 為什么要學(xué)習(xí)GAN？ 5
1.3 應(yīng)用場(chǎng)景 9
1.4 技術(shù)難點(diǎn) 18
1.5 潛在空間的處理 22
1.6 第一個(gè)GAN實(shí)戰(zhàn) 27
第2章 TensorFlow 2.0安裝 39
2.1 通過(guò)Docker安裝 40
2.2 通過(guò)conda安裝 41
第3章 神經(jīng)網(wǎng)絡(luò)原理 43
3.1 應(yīng)用場(chǎng)景簡(jiǎn)介 44
3.2 深層神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 46
3.3 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 53
3.4 反卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 61
第4章 TensorFlow 2.0開(kāi)發(fā)入門(mén) 65
4.1 開(kāi)發(fā)環(huán)境 66
4.2 張量 68
4.3 Keras開(kāi)發(fā)概覽 72
4.4 使用函數(shù)接口開(kāi)發(fā) 87
4.5 網(wǎng)絡(luò)層 99
4.6 激活函數(shù) 104
4.7 損失函數(shù) 108
4.8 優(yōu)化器 110
第5章 常用數(shù)據(jù)集 112
5.1 MNIST 113
5.2 Fashion-MNIST 115
5.3 CIFAR-10 118
5.4 CIFAR-100 120
第6章 DCGAN 123
6.1 DCGAN概述 124
6.2 批量標(biāo)準(zhǔn)化 124
6.3 使用多種激活函數(shù) 125
6.4 在MNIST數(shù)據(jù)集上的實(shí)現(xiàn) 126
6.5 在LSUN數(shù)據(jù)集上的實(shí)現(xiàn) 139
第7章 CGAN 148
7.1 CGAN概述 149
7.2 在MNIST數(shù)據(jù)集上的實(shí)現(xiàn) 153
第8章 InfoGAN 179
8.1 技術(shù)原理 180
8.2 模型實(shí)現(xiàn)技巧 183
8.3 在MNIST數(shù)據(jù)集上的實(shí)現(xiàn) 185
8.4 在Fashion MNIST數(shù)據(jù)集上
的實(shí)現(xiàn) 201
第9章 SGAN 204
9.1 技術(shù)原理 205
9.2 模型訓(xùn)練 207
9.3 SGAN在MNIST數(shù)據(jù)集上的
實(shí)現(xiàn) 210
9.4 SGAN在CIFAR數(shù)據(jù)集上的
實(shí)現(xiàn) 242
第10章 CycleGAN 267
10.1 CycleGAN簡(jiǎn)介 268
10.2 技術(shù)原理 268
10.3 技術(shù)實(shí)現(xiàn) 270
書(shū)單推薦
