电子书：《生成对抗网络入门指南》_史丹青_2018-10-18《生成对抗网络入门指南》_史丹青_20181018
111
内容简介：
图9-37观众高评价的can生成作品喜爱程度人类艺术家图9-38can生成作品各项排行榜
输入:299×299×3.输出:8×8×2048输出h8×8×2048o mapo最终结果:8×8×2048→1001concatfully connected图10-1 nception v3网络结构图
■■■智能系统与技术丛书generative adversarial networka primer生成对抗网络入门指南史丹青编善q想五豐出盐
书在版编目(cip)数据生成对抗网络入门指南/史丹青编著.一北京:机械工业出版社.2018.10(智能系统与技术丛书isbn978-7-111-610041.生…i.史…ⅲ.机器学习一指南iv.tp181中guo版本图书馆cip数据核字(2018)第218390号生成对抗网络入门指南出版发行:机械工业出版社(北京市西域区百万庄大街22号郎政编码:10037责任校对:李秋荣印剛:北京诚信伟业印刷有限公司印张:15.5(含0.75印张彩插)定价:69.00元凡购本书.如有缺页、倒页.脱页.由本社发行吊调换客报热线010)8837942688361066投稿热线010)88379604封底无防伪标均为盗版水书法律欧问:北京大成律师事务所c光/邹晓东
reface前言生成对抗网络(gan)毫无疑问是当下热门的人工智能技术之一.被美guo《麻省理工科技评论》评为2018年“全球十大突破性技术”。从2014年至今.与gan有关的论文数量急速上升.网络上有人整理了近年来的gan模型.截至2018年2月已经有超过350个不同形态的变种.并且数量仍然在持续增加中。在图像生成模型的质量上.生成对抗网络技术可以说实现了飞跃.很多衍生模型已经在一定程度上解决了特定场景中的图像生成问题。此外.诸如文本到图像的生成、图像到图像的生成等应用研究也让工业界与学术界都非常“兴奋”.为人工智能行业带来了非常多的可能性。目前网络上关于生成对抗网络的介绍林林总总.越来越多的人对它的出现感到好奇.想知道计算机是如何通过博弈的方法来进行自我优化的。我也曾在知乎上写过一篇介绍性文章.但写完之后总觉得不够尽兴.希望有机会把这个领域相对完整的知识体系呈现在初学者面前.并帮助那些对人工智能技术感兴趣的朋友.让他们尽量少走一些弯路.更直观地了解这个前沿的新兴领域。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能领域爱好者.书中包含了生成对抗网络的理论知识与项目实践。通过本书的学习.读者可理解生成对抗网络的技术原理.并通过书中的代码实例了解技术细节。本书尽量避免出现需要高性能计算设备才可以运行的项目.希望读者在感受到生成对抗网络的魅力之后.有机会在自己的设备上尝试运行一些项目。只有通过不断实践.才能真正理解生成对抗网络.并将其应用到自己的学习与工作中
