电子书
内容简介
本书向读者介绍了生成对抗网络，并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录，分别介绍了PyTorch基础知识，用PyTorch开发神经网络，改良神经网络以提升效果，引入CUDA和GPU以加速GAN训练，以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题，包括计算平衡GAN的理想损失值、概率分布和采样，以及卷积如何工作，还简单解释了为什么梯度下降不适用于对抗式机器学习。
章节目录
- 版权信息
- 版权
- 版权声明
- 内容提要
- 译者序
- 前言
- 资源与支持
- 第1章 PyTorch和神经网络
- 1.1 PyTorch入门
- 1.1.1 Google Colab
- 1.1.2 PyTorch张量
- 1.1.3 PyTorch的自动求导机制
- 1.1.4 计算图
- 1.1.5 学习要点
- 1.2 初试PyTorch神经网络
- 1.2.1 MNIST图像数据集
- 1.2.2 获取MNIST数据集
- 1.2.3 数据预览
- 1.2.4 简单的神经网络
- 1.2.5 可视化训练
- 1.2.6 MNIST数据集类
- 1.2.7 训练分类器
- 1.2.8 查询神经网络
- 1.2.9 简易分类器的性能
- 1.3 改良方法
- 1.3.1 损失函数
- 1.3.2 激活函数
- 1.3.3 改良方法
- 1.3.4 标准化
- 1.3.5 整合改良方法
- 1.3.6 学习要点
- 1.4 CUDA基础知识
- 1.4.1 numpy与Python的比较
- 1.4.2 NVIDIA CUDA
- 1.4.3 在Python中使用CUDA
- 1.4.4 学习要点
- 第2章 GAN初步
- 2.1 GAN的概念
- 2.1.1 生成图像
- 2.1.2 对抗训练
- 2.1.3 GAN的训练
- 2.1.4 训练GAN的挑战
- 2.1.5 学习要点
- 2.2 生成1010格式规律
- 2.2.1 真实数据源
- 2.2.2 构建鉴别器
- 2.2.3 测试鉴别器
- 2.2.4 构建生成器
- 2.2.5 检查生成器输出
- 2.2.6 训练GAN
- 2.2.7 学习要点
- 2.3 生成手写数字
- 2.3.1 数据类
- 2.3.2 MNIST鉴别器
- 2.3.3 测试鉴别器
- 2.3.4 MNIST生成器
- 2.3.5 检查生成器输出
- 2.3.6 训练GAN
- 2.3.7 模式崩溃
- 2.3.8 改良GAN的训练
- 2.3.9 种子实验
- 2.3.10 学习重点
- 2.4 生成人脸图像
- 2.4.1 彩色图像
- 2.4.2 CelebA图像数据集
- 2.4.3 分层数据格式
- 2.4.4 获取数据
- 2.4.5 查看数据
- 2.4.6 数据集类
- 2.4.7 鉴别器
- 2.4.8 测试鉴别器
- 2.4.9 GPU加速
- 2.4.10 生成器
- 2.4.11 检查生成器输出
- 2.4.12 训练GAN
- 2.4.13 学习要点
- 第3章 卷积GAN和条件式GAN
- 3.1 卷积GAN
- 3.1.1 内存消耗
- 3.1.2 局部化的图像特征
- 3.1.3 卷积过滤器
- 3.1.4 学习卷积核权重
- 3.1.5 特征的层次结构
- 3.1.6 MNIST CNN
- 3.1.7 CelebA CNN
- 3.1.8 自己动手试验
- 3.1.9 学习要点
- 3.2 条件式GAN
- 3.2.1 条件式GAN架构
- 3.2.2 鉴别器
- 3.2.3 生成器
- 3.2.4 训练循环
- 3.2.5 绘制图像
- 3.2.6 条件式GAN的结果
- 3.2.7 学习要点
- 3.3 结语
- 太有才了!
- 未来方向
- 负责任地使用
- 机器学习是超酷的!
- 附录A 理想的损失值
- A.1 MSE损失
- A.2 BCE损失
- 附录B GAN学习可能性
- B.1 GAN不会记忆训练数据
- B.2 简单的例子
- B.3 从一个概率分布中生成图像
- B.4 为图像特征学习像素组合
- B.5 多模式以及模式崩溃
- 附录C 卷积案例
- C.1 例1: 卷积，步长为1，无补全
- C.2 例2: 卷积，步长为2，无补全
- C.3 例3: 卷积，步长为2，有补全
- C.4 例4: 卷积，不完全覆盖
- C.5 例5: 转置卷积，步长为2，无补全
- C.6 例6: 转置卷积，步长为1，无补全
- C.7 例7: 转置卷积，步长为2，有补全
- C.8 计算输出大小
- 附录D 不稳定学习
- D.1 梯度下降是否适用于训练GAN
- D.2 简单的对抗案例
- D.3 梯度下降并不适合对抗博弈
- D.4 为什么是圆形轨迹
- 附录E 相关数据集和软件
- E.1 MNIST数据集
- E.2 CelebA数据集
- E.3 英伟达和谷歌
- E.4 开源软件
展开全部
PyTorch生成对抗网络编程是2020年由人民邮电出版社出版,作者著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《PyTorch生成对抗网络编程》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
电子书
电子书