PyTorch生成對抗網(wǎng)絡(luò)編程
定 價：79 元
- 作者：[英] 塔里克·拉希德（Tariq Rashid） 著，韓江雷 譯
- 出版時間：2020/12/1
- ISBN：9787115546388
- 出 版 社：人民郵電出版社
- 中圖法分類：TP311.561
- 頁碼：206
- 紙張：膠版紙
- 版次：1
- 開本：16開
生成對抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）是神經(jīng)網(wǎng)絡(luò)領(lǐng)域的新星，被譽為“機器學習領(lǐng)域近20年來最酷的想法”。
本書以直白、簡短的方式向讀者介紹了生成對抗網(wǎng)絡(luò)，并且教讀者如何使用PyTorch按部就班地編寫生成對抗網(wǎng)絡(luò)。全書共3章和5個附錄，分別介紹了PyTorch基礎(chǔ)知識，用PyTorch開發(fā)神經(jīng)網(wǎng)絡(luò)，改良神經(jīng)網(wǎng)絡(luò)以提升效果，引入CUDA和GPU以加速GAN訓練，以及生成高質(zhì)量圖像的卷積GAN、條件式GAN等話題。附錄部分介紹了在很多機器學習相關(guān)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，以及卷積如何工作，還簡單解釋了為什么梯度下降不適用于對抗式機器學習。
本書適合想初步了解GAN以及其工作原理的讀者，也適合想要學習如何構(gòu)建GAN的機器學習從業(yè)人員。對于正在學習機器學習相關(guān)課程的學生，本書可以幫助讀者快速入門，為后續(xù)的學習打好基礎(chǔ)。
1. 暢銷書《Python神經(jīng)網(wǎng)絡(luò)編程》作者**力作；
2. 本書以直白、簡短的方式介紹了生成對抗網(wǎng)絡(luò)，指導讀者按部就班地編寫生成對抗網(wǎng)絡(luò)；
3. 本書介紹了計算平衡GAN的理想損失值、卷積的工作原理等被很多機器學習相關(guān)教程忽略的主題，對訓練GAN的主要挑戰(zhàn)進行了討論，十分具有啟發(fā)性；
4. 全彩印刷，配套示例代碼，圖文并茂，易懂實用。
我很喜歡將這本書作為周日早晨的讀物。更讓我激動的是，本書展示了實現(xiàn)各種示例的細節(jié)。我會向任何想開始學習生成對抗網(wǎng)絡(luò)的人推薦這本書。
--JV Amazon讀者
作者輕松友好的寫作風格讓人感覺他在和你一起旅行。當我聽說作者要出版這本書時，我迫不及待地想閱讀這本書。我很開心，這本書和他的第一本書《Python神經(jīng)網(wǎng)絡(luò)編程》一樣容易閱讀和理解。你將再一次踏上一段輕松的旅程，我愿意向所有人推薦它。
--Mairiwr Amazon讀者
塔里克.拉希德（Tariq Rashid），擁有物理學學士學位、機器學習和數(shù)據(jù)挖掘碩士學位。他常年活躍于倫敦的技術(shù)圈子，領(lǐng)導并組織倫敦Python聚會小組（近3000名成員）。
譯者簡介：
韓江雷，新加坡南洋理工大學計算機專業(yè)博士，思愛普公司（新加坡）數(shù)據(jù)科學家。他的研究興趣有自然語言處理、文本數(shù)據(jù)分析、數(shù)據(jù)挖掘等項目的落地及運維。
第 1 章 PyTorch和神經(jīng)網(wǎng)絡(luò) 001
1．1 PyTorch入門 001
1．2 初試PyTorch神經(jīng)網(wǎng)絡(luò) 018
1．3 改良方法 043
1．4 CUDA基礎(chǔ)知識 054
第 2 章 GAN初步 064
2．1 GAN的概念 064
2．2 生成1010格式規(guī)律 072
2．3 生成手寫數(shù)字 090
2．4 生成人臉圖像 117
第 3 章 卷積GAN和條件式GAN 140
3．1 卷積GAN 140
3．2 條件式GAN 166
3．3 結(jié)語 176
附錄A 理想的損失值 178
A．1 MSE損失 178
A．2 BCE損失 179
附錄B GAN學習可能性 186
B．1 GAN不會記憶訓練數(shù)據(jù) 186
B．2 簡單的例子 187
B．3 從一個概率分布中生成圖像 188
B．4 為圖像特征學習像素組合 189
B．5 多模式以及模式崩潰 190
附錄C 卷積案例 191
C．1 例1： 卷積，步長為1，無補全 191
C．2 例2： 卷積，步長為2，無補全 192
C．3 例3： 卷積，步長為2，有補全 193
C．4 例4： 卷積，不完全覆蓋 194
C．5 例5： 轉(zhuǎn)置卷積，步長為2，無補全 194
C．6 例6： 轉(zhuǎn)置卷積，步長為1，無補全 196
C．7 例7： 轉(zhuǎn)置卷積，步長為2，有補全 197
C．8 計算輸出大小 197
附錄D 不穩(wěn)定學習 199
D．1 梯度下降是否適用于訓練GAN 199
D．2 簡單的對抗案例 199
D．3 梯度下降并不適合對抗博弈 203
D．4 為什么是圓形軌跡 204
附錄E 相關(guān)數(shù)據(jù)集和軟件 205
E．1 MNIST數(shù)據(jù)集 205
E．2 CelebA數(shù)據(jù)集 205
E．3 英偉達和谷歌 206
E．4 開源軟件 206
書單推薦
