书籍详情
![《实战GANTensorFlow与Keras生成对抗网络构建》[28M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/8a95db21348ddb54.jpg)
实战GANTensorFlow与Keras生成对抗网络构建
- 出版社:文轩网旗舰店
- 出版时间:2019-11
- 热度:11364
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
作 者:(美)乔什·卡林(Josh Kalin) 著 刘梦馨 译
定 价:79
出 版 社:电子工业出版社
出版日期:2019年11月01日
页 数:224
装 帧:平装
ISBN:9787121374098
●序言1
第1章什么是生成对抗网络7
简介7
生成模型和判别模型8
工作流程8
工作原理9
神经网络的“爱情故事”10
工作流程10
工作原理11
深度神经网络11
工作流程11
工作原理12
架构基础13
工作流程13
工作原理14
基本构建块——生成器15
工作流程15
工作原理15
基本构建块——判别器16
工作流程16
工作原理17
基本构建块——损失函数18
工作流程18
工作原理18
训练20
工作流程20
工作原理20
以不同方式组织GAN20
工作流程21
工作原理21
GAN的输出是什么22
工作流程22
工作原理22
理解GAN架构的优点24
工作流程24
工作原理25
练习25
第2章数据优先、环境和数据准备27
简介27
数据是否如此重要27
准备工作28
工作流程28
工作原理29
更多内容29
搭建开发环境29
准备工作30
工作流程30
更多内容35
数据类型35
准备工作36
工作流程36
工作原理38
更多内容40
数据预处理41
准备工作41
工作流程41
工作原理42
更多内容45
异常数据46
准备工作46
工作流程46
更多内容49
平衡数据49
准备工作49
工作流程49
更多内容53
数据强化54
准备工作54
工作流程55
工作原理56
更多内容57
练习58
第3章用100行代码实现第一个GAN59
简介59
从理论到实践——一个简单例子59
准备工作60
工作流程60
参考内容62
使用Keras和TensorFlow构建神经网络62
准备工作63
工作流程63
参考内容66
解释你的第一个GAN组件——判别器66
准备工作67
工作流程67
解释你的第二个GAN组件——生成器71
准备工作71
工作流程71
组合GAN组件75
准备工作76
工作流程76
训练你的第一个GAN78
准备工作78
工作流程78
训练模型并理解GAN的输出84
准备工作84
工作流程84
工作原理86
练习87
第4章使用DCGAN创造新的室外结构89
简介89
什么是DCGAN？一个简单的伪代码样例89
准备工作90
工作流程90
参考内容93
工具——是否需要特殊的工具93
准备工作93
工作流程94
更多内容97
参考内容97
解析数据——数据是否独特97
准备工作97
工作流程98
代码实现——生成器100
准备工作100
工作流程100
参考内容103
代码实现——判别器103
准备工作104
工作流程104
参考内容107
训练107
准备工作107
工作流程107
评估——如何判断它是否有效114
准备工作115
工作原理115
调整参数优化性能116
工作流程116
练习118
第5章Pix2Pix图像转换119
简介119
使用伪代码介绍Pix2Pix119
准备工作120
工作流程120
数据集解析122
准备工作122
工作流程123
代码实现——生成器124
准备工作124
工作流程125
代码实现——GAN127
准备工作127
工作流程128
代码实现——判别器129
准备工作129
工作流程129
训练131
准备工作131
工作流程132
练习139
第6章使用CycleGAN进行图像风格转换141
简介141
伪代码——工作原理141
准备工作142
工作流程142
解析CycleGAN数据集144
准备工作144
工作流程145
代码实现——生成器147
准备工作147
工作流程148
代码实现——判别器150
准备工作150
工作流程151
代码实现——GAN153
准备工作153
工作流程154
训练155
准备工作155
工作流程156
练习162
第7章利用SimGAN使用模拟图像制作具有真实感的眼球图片163
简介163
SimGAN架构的工作原理163
准备工作164
工作流程164
伪代码——工作原理165
准备工作165
工作流程165
如何使用训练数据166
准备工作166
工作流程166
代码实现——损失函数169
准备工作169
工作流程169
代码实现——生成器170
准备工作170
工作流程171
代码实现——判别器173
准备工作173
工作流程174
代码实现——GAN176
准备工作176
工作流程177
训练SimGAN178
准备工作178
工作流程179
练习183
第8章使用GAN从图像生成3D模型185
简介185
使用GAN生成3D模型185
准备工作186
工作流程186
环境准备188
准备工作189
工作流程189
对2D数据进行编码并匹配3D对象190
准备工作191
工作流程191
代码实现——生成器193
准备工作193
工作流程194
代码实现——判别器196
准备工作196
工作流程197
代码实现——GAN199
准备工作199
工作流程199
训练模型200
准备工作201
工作流程201
练习208
第1章什么是生成对抗网络7
简介7
生成模型和判别模型8
工作流程8
工作原理9
神经网络的“爱情故事”10
工作流程10
工作原理11
深度神经网络11
工作流程11
工作原理12
架构基础13
工作流程13
工作原理14
基本构建块——生成器15
工作流程15
工作原理15
基本构建块——判别器16
工作流程16
工作原理17
基本构建块——损失函数18
工作流程18
工作原理18
训练20
工作流程20
工作原理20
以不同方式组织GAN20
工作流程21
工作原理21
GAN的输出是什么22
工作流程22
工作原理22
理解GAN架构的优点24
工作流程24
工作原理25
练习25
第2章数据优先、环境和数据准备27
简介27
数据是否如此重要27
准备工作28
工作流程28
工作原理29
更多内容29
搭建开发环境29
准备工作30
工作流程30
更多内容35
数据类型35
准备工作36
工作流程36
工作原理38
更多内容40
数据预处理41
准备工作41
工作流程41
工作原理42
更多内容45
异常数据46
准备工作46
工作流程46
更多内容49
平衡数据49
准备工作49
工作流程49
更多内容53
数据强化54
准备工作54
工作流程55
工作原理56
更多内容57
练习58
第3章用100行代码实现第一个GAN59
简介59
从理论到实践——一个简单例子59
准备工作60
工作流程60
参考内容62
使用Keras和TensorFlow构建神经网络62
准备工作63
工作流程63
参考内容66
解释你的第一个GAN组件——判别器66
准备工作67
工作流程67
解释你的第二个GAN组件——生成器71
准备工作71
工作流程71
组合GAN组件75
准备工作76
工作流程76
训练你的第一个GAN78
准备工作78
工作流程78
训练模型并理解GAN的输出84
准备工作84
工作流程84
工作原理86
练习87
第4章使用DCGAN创造新的室外结构89
简介89
什么是DCGAN？一个简单的伪代码样例89
准备工作90
工作流程90
参考内容93
工具——是否需要特殊的工具93
准备工作93
工作流程94
更多内容97
参考内容97
解析数据——数据是否独特97
准备工作97
工作流程98
代码实现——生成器100
准备工作100
工作流程100
参考内容103
代码实现——判别器103
准备工作104
工作流程104
参考内容107
训练107
准备工作107
工作流程107
评估——如何判断它是否有效114
准备工作115
工作原理115
调整参数优化性能116
工作流程116
练习118
第5章Pix2Pix图像转换119
简介119
使用伪代码介绍Pix2Pix119
准备工作120
工作流程120
数据集解析122
准备工作122
工作流程123
代码实现——生成器124
准备工作124
工作流程125
代码实现——GAN127
准备工作127
工作流程128
代码实现——判别器129
准备工作129
工作流程129
训练131
准备工作131
工作流程132
练习139
第6章使用CycleGAN进行图像风格转换141
简介141
伪代码——工作原理141
准备工作142
工作流程142
解析CycleGAN数据集144
准备工作144
工作流程145
代码实现——生成器147
准备工作147
工作流程148
代码实现——判别器150
准备工作150
工作流程151
代码实现——GAN153
准备工作153
工作流程154
训练155
准备工作155
工作流程156
练习162
第7章利用SimGAN使用模拟图像制作具有真实感的眼球图片163
简介163
SimGAN架构的工作原理163
准备工作164
工作流程164
伪代码——工作原理165
准备工作165
工作流程165
如何使用训练数据166
准备工作166
工作流程166
代码实现——损失函数169
准备工作169
工作流程169
代码实现——生成器170
准备工作170
工作流程171
代码实现——判别器173
准备工作173
工作流程174
代码实现——GAN176
准备工作176
工作流程177
训练SimGAN178
准备工作178
工作流程179
练习183
第8章使用GAN从图像生成3D模型185
简介185
使用GAN生成3D模型185
准备工作186
工作流程186
环境准备188
准备工作189
工作流程189
对2D数据进行编码并匹配3D对象190
准备工作191
工作流程191
代码实现——生成器193
准备工作193
工作流程194
代码实现——判别器196
准备工作196
工作流程197
代码实现——GAN199
准备工作199
工作流程199
训练模型200
准备工作201
工作流程201
练习208
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。