1.1 PyTorch入门 001
1.2 初试PyTorch神经网络 018
1.3 改良方法 043
1.4 CUDA基础知识 054
第 2 章 GAN初步 064
2.1 GAN的概念 064
2.2 生成1010格式规律 072
2.3 生成手写数字 090
2.4 生成人脸图像 117
第 3 章 卷积GAN和条件式GAN 140
3.1 卷积GAN 140
3.2 条件式GAN 166
3.3 结语 176
附录A 理想的损失值 178
A.1 MSE损失 178
A.2 BCE损失 179
附录B GAN学习可能性 186
B.1 GAN不会记忆训练数据 186
B.2 简单的例子 187
B.3 从一个概率分布中生成图像 188
B.4 为图像特征学习像素组合 189
B.5 多模式以及模式崩溃 190
附录C 卷积案例 191
C.1 例1: 卷积，步长为1，无补全 191
C.2 例2: 卷积，步长为2，无补全 192
C.3 例3: 卷积，步长为2，有补全 193
C.4 例4: 卷积，不完全覆盖 194
C.5 例5: 转置卷积，步长为2，无补全 194
C.6 例6: 转置卷积，步长为1，无补全 196
C.7 例7: 转置卷积，步长为2，有补全 197
C.8 计算输出大小 197
附录D 不稳定学习 199
D.1 梯度下降是否适用于训练GAN 199
D.2 简单的对抗案例 199
D.3 梯度下降并不适合对抗博弈 203
D.4 为什么是圆形轨迹 204
附录E 相关数据集和软件 205
E.1 MNIST数据集 205
E.2 CelebA数据集 205
E.3 英伟达和谷歌 206
E.4 开源软件 206
· · · · · · (收起)
具体描述
暢銷書《Python神經網絡編程》作者最新力作；
全彩印刷，配套示例代碼，圖文並茂，易懂實用；
從零開始，用PyTorch構建自己的生成對抗網絡。
生成對抗網絡（Generative Adversarial Network，GAN）是神經網絡領域的一顆新星，被譽為“機器 學習領域近 20 年來最酷的想法”。
本書以直白、簡短的方式嚮讀者介紹瞭生成對抗網絡，指導讀者如何使用PyTorch 按部就班地編寫生成對抗網絡。
全書共3章和5個附錄，分彆介紹瞭PyTorch基礎知識，用PyTorch開發神經網絡，改良神經網絡以提升效果，引入CUDA和GPU以加速GAN訓練，以及生成高質量圖像的捲積GAN、條件式GAN等話題。附錄部分介紹瞭在很多機器學習相關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，以及捲積如何工作，還簡單解釋瞭為什麼梯度下降不適用於對抗式機器學習。
本書適閤想初步瞭解GAN以及其工作原理的讀者，也適閤想要學習如何構建GAN的機器學習從業人員。對於正在學習機器學習相關課程的學生，本書可以幫助讀者快速入門，為後續的學習打好基礎。
用户评价
##nb！
评分##内容非常不错，很详细的解释了原理，并且很通俗易懂，但是代码有一些问题，需要更新一下
评分##nb！
评分##写的很好，深入浅出。GAN的核心思想，共分3步，第一，向鉴别器展示一个真实的样本，并告诉它分类为真；第二，向鉴别器展示一个生成器的输出，并告诉它分类为假；第三，向鉴别器展示一个生成器的输出，并告诉【生成器】分类为真（让生成器优化生成权重，以生成更好的图片）
评分##花了一个礼拜左右跑完了大部分代码，是真的很有趣，不过要自己设计实力均衡的Discriminator与Generator还需要更多的知识扩展
评分##由浅入深逐步引导，非常适合入门
评分##很有帮助。感觉像是葵花宝典一样，没有什么内功学完了也可以打败个二流高手吧
评分##nb！
评分##入门级读物，通过最基础最简单的方式带你入门，读懂代码。一本很不错的读物，但缺乏广度 。
相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有