登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
iPhone 4S JB解禁秘術：Cydia 超限軟體300+
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
生成對抗網路最精解：用TensorFlow實作最棒的GAN應用
作者：
廖茂文、潘志宏
分類：
電腦與網路
／
綜論
出版社：
深智數位
出版日期：2021/9/16
ISBN：9789860776218
書籍編號：kk0538305
頁數：672
定價：
980
元
優惠價：
79
折
774
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0538305'>生成對抗網路最精解：用TensorFlow實作最棒的GAN應用</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0538305'><img src='https://www.silkbook.com/mall_image/bk/kk0538305.jpg' ALT='生成對抗網路最精解：用TensorFlow實作最棒的GAN應用' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
生成對抗網路最精解：用TensorFlow實作最棒的GAN應用 內容簡介 生成對抗網路終極說明，從圖像處理到自然語言 一本就搞懂GAN！ 【本書特色】 ◎容易入門：本書會討論線性代數、微積分、機率論、資訊理論等內容，並從原理角度去講解為後面篇幅做好鋪陳。 ◎內容更深：介紹GAN 的各種變形時，除了介紹架構以外，並從數學層面去推導證實，重視不同類別GAN 架構的底層思維，並從數學上表示它。 ◎涉及面廣：囊括GAN 的各個應用領域等10 多個方向。 ◎實戰性強：提供很多程式，並列出運行結果，講解生成器、判別器、損失定義、具體訓練邏輯等主要內容。 【本書內容】 自從AI時代大爆發，人必言神經網路，然而除了圖像處理之外，似乎沒什麼書有完整講解生成對抗網路(GAN)了。 人工智慧之父Yann LeCun曾經說過「GAN大概是這10年來深度學習最好玩的一個應用了吧」。 本書從模型與數學的角度來理解GAN 變體，希望透過數學符號表達出不同GAN 變體的核心思維。也是市面上少見針對單一技術，但卻能跨到不同領域上的應用最完整的大全。 首先從Python 基本語法開始討論，逐步介紹必備的數學知識與神經網絡的基本知識，並利用討論的內容編寫一個深度學習框架TensorPy，有了這些知識作為鋪墊後，就開始討論生成對抗網絡(GAN)相關的內容。 本書使用比較簡單的語言來描述GAN 涉及的思維、模型與數學原理，接著就透過TensorFlow實現傳統的GAN，並討論為何一定需要生成器或判別器。接下來，重點介紹GAN 各種常見的變體，包括卷積生成對抗網絡、條件對抗生成網絡、循環一致性、改進生成對抗網絡、漸近增強式生成對抗網絡等內容。 適合讀者群 人工智慧、機器學習、計算機視覺相關專業的人員學習使用。
作者簡介 廖茂文 遊戲AI研究員、高級工程師 研究興趣為自然語言處理、生成對抗網路、 遊戲AI，曾參與多項機器學習專案。 潘志宏 高級工程師 研究興趣為機器學習、深度學習、物聯網。發表論文18篇、申請實用新型專利共8項，其中已授權3項。指導學生獲得50個以上獎項，多次獲得優秀指導教師獎。
目錄 前言 01 優雅Python 1.1 Anaconda 1.2 Python 基礎 1.3 Python 進階 1.4 小結 02 優雅的數學 2.1 向量與矩陣 2.2 微積分 2.3 機率論 2.4 資訊理論 2.5 小結 03 初識神經網路 3.1 什麼是神經網路 3.2 神經網路中常見的概念 3.3 動手實現深度學習框架TensorPy 3.4 TensorFlow 簡介 3.5 小結 04 初識生成對抗網路 4.1 什麼是生成對抗網路 4.2 GAN 基本原理 4.3 TensorFlow 實現樸素GAN 4.4 關於GAN 的幾個問題 4.5 小結 05 生成對抗網路的數學原理 5.1 擬合真實分佈 5.2 生成對抗網路 5.3 統一框架F-GAN 5.4 GAN 訓練過程視覺化 5.5 小結 06 卷積生成對抗網路 6.1 初識卷積神經網路 6.2 TensorFlow 實現卷積網路 6.3 TensorFlow 實現DCGAN網路 6.4 小結 07 條件生成對抗網路 7.1 如何實現圖型間風格轉換 7.2 條件生成對抗網路 7.3 ColorGAN 的實現 7.4 實現文字轉圖型 7.5 實現句子轉圖型 7.6 小結 08 迴圈一致性 8.1 以無監督的方式實現風格轉換 8.2 CycleGAN 8.3 StarGAN 8.4 語義樣式不變的圖型跨域轉換 8.5 小結 09 改進生成對抗網路 9.1 傳統GAN 存在的問題 9.2 Wasserstein GAN 9.3 Improved WGAN（WGAN-GP） 9.4 SN-GAN 9.5 小結 10 漸近增強式生成對抗網路 10.1 堆疊式生成對抗網路StackGAN 10.2 TensorFlow 資料處理 10.3 漸近增長生成對抗網路PGGAN 10.4 小結 11 GAN 進行特徵學習 11.1 近似推斷 11.2 InfoGAN 11.3 VAE-GAN 11.4 小結 12 GAN 在NLP 中的運用 12.1 GAN 在文字生成中遇到的困境 12.2 GAN 生成離散資料的方法 12.3 強化學習簡述 12.4 SeqGAN 12.5 MaskGAN 12.6 小結
成為AI無法取代的那
AI應用全解，跨越技
LLM資安教戰手冊｜
工程師下班有約：企業
深度學習詳解｜台大李
AI 提問 X 學習
我們與機器人的光明未
全面掌握DeepSe
Microsoft
AI時代的計算機概論
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
