|
|
|
本書主要介紹構建和訓練生成對抗網路（GAN）的方法。全書共12章，先介紹生成模型以及GAN 的工作原理，並概述它們的潛在用途，然後探索GAN 的基礎結構（生成器和鑒別器），引導讀者搭建一個簡單的對抗系統。
本書給出了大量的示例，教讀者學習針對不同的場景訓練不同的GAN，進而完成生成高解析度圖像、實現圖像到圖像的轉換、生成對抗樣本以及目標資料等任務，讓所構建的系統變得智慧、有效和快速。
雅各·朗格爾（Jakub Langr） 英國創企孵化器 Founders Factory電腦視覺領域的聯合創始人。
弗拉基米爾·博克（Vladimir Bok） 美國紐約一家初創公司的高級產品經理，負責機器學習基礎架構方面的工作和研究團隊的整體運作。
第一部分 生成對抗網路（GAN）與生成模型導論
第1章 GAN簡介
1.1 什麼是GAN
1.2 GAN是如何工作的
1.3 GAN實戰
1.3.1 GAN的訓練
1.3.2 達衡
1.4 為什麼要學GAN
1.5 小結
第2章 自編碼器生成模型入門
2.1 生成模型簡介
2.2 自編碼器如何用於高級場景
2.3 什麼是GAN的自編碼器
2.4 自編碼器的構成
2.5 自編碼器的使用
2.6 無監督學r/> 2.6.1 吐故納新
2.6.2 使用自編碼器生成
2.6.3 變分自編碼器
2.7 代碼就是生命
2.8 為什麼要嘗GAN
2.9 小結
第3章 你的第一個GAN模型：生成手寫數字.
3.1 GAN的基礎：對抗訓練
3.1.1 代價函數
3.1.2 訓練過程
3.2 生成器和鑒別器
3.2.1 對抗的目標
3.2.2 混淆矩陣
3.3 GAN訓練演算法
3.4 教程：生成手寫數字
3.4.1 導入模組並模型輸入維度
3.4.2 構造生成器
3.4.3 構造鑒別器
3.4.4 搭建整個模型
3.4.5 訓練
3.4.6 輸出樣本圖像
3.4.7 運行模型
3.4.8 檢查結果
3.5 結論
3.6 小結
第4章 深度卷積生成對抗網路（DCGAN）
4.1 卷積神經網路
4.1.1 卷積濾波器
4.1.2 參數共用
4.1.3 卷積神經網路視覺化
4.2 DCGAN簡史
……
第二部分 GAN的前沿主題
第5章 訓練與普遍挑戰：而GAN
第6章 式增長生成對抗網路（PGGAN）
第7章 半監督生成對抗網路（SGAN）
第8章 條件生成對抗網路（CGAN）
第9章 迴圈一致性生成對抗網路（CycleGAN）
第三部分 何去何從
第10章 對抗樣本
第11章 GAN的實際應用
第12章 展望未來
