GAN：实战生成对抗网络
编辑推荐
适读人群 ：想要了解生成模型和从头开始实施生成对抗网络的人。 使用生成模型构建的AI系统可自动地利用源数据进行学习和理解，且无须对数据进行标记。本书将帮助你构建和分析深度学习模型并将其应用于现实问题，从多个数据集（主要集中于图像领域）来开发智能和具有创造力的应用。本书从生成模型的基础开始，带你了解生成对抗网络及其构建模块背后的理论。通过使用TensorFlow、Keras和PyTorch等库，你可以利用GAN来克服文本到图像合成的问题。在处理大型数据集时，将风格从一个域传递到另一个域会变得令人头痛。本书将使用真实世界的例子来展示如何克服这一困难。本书将帮助你理解并构建生成对抗网络模型，并在生产环境中有效、准确地使用它们。通过本书你将会： ◎了解深度学习的基础知识，以及判别模型和生成模型之间的区别 ◎利用基于生成对抗网络（GAN）和真实世界的数据集构建半监督学习模型来生成图像 ◎通过利用小批量、特征匹配和边界均衡等技术来解决模式崩溃、训练不稳定等挑战，以对GAN模型进行调优 ◎使用深度学习堆叠架构从文本生成图像 ◎组合多个生成模型来探索跨域的关系 ◎探索多种在生产环境部署深度模型的方法
内容简介
《GAN：实战生成对抗网络》介绍深度学习领域一个十分活跃的分支——生成对抗网络（GAN）。《GAN：实战生成对抗网络》中覆盖了深度学习的基础、对抗网络背后的原理以及构建方式等内容。同时《GAN：实战生成对抗网络》还介绍了多个真实世界中使用对抗网络构建智能应用的案例并提供了具体的代码以及部署方法，旨在帮助读者能够在真正的生产环境中使用生成对抗网络。 《GAN：实战生成对抗网络》适合数据科学家、算法工程师、数据挖掘工程师以及其他机器学习领域相关的从业人员，以帮助他们在工作中应用生成对抗模型；也适合机器学习和深度学习的爱好者、初学者来了解深度学习领域的新魔力。
作者简介
Kuntal Ganguly是一位大数据分析工程师，其利用机器学习和大数据框架来搭建大规模数据驱动系统。Kuntal具有7年的大数据和机器学习应用构建经验。 Kuntal为云上客户提供搭建实时分析系统的解决方案。这其中利用到了托管式的云服务和开源Hadoop生态系统工具，诸如Spark、Kafka、Storm、Solr以及机器学习和深度学习框架。 Kuntal也喜欢亲自动手参与软件的开发过程，并且曾经独自一人完成了多个大规模分布式应用从构思、架构、开发一直到部署的整个过程。他也是一位机器学习和深度学习的从业者，十分热衷于构建智能应用。
在线客服