���] ����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���`
-
>
ȫ��Ӌ��C�ȼ���ԇ�����濼�}��ģ�M������Ԕ�⡤����MSOffice������
-
>
�Q��(zh��n)�Мy5000�}(���Z�����c���_)
-
>
ܛ�����ܜyԇ.�����c�{��(y��u)���`֮·
-
>
��һ�д��aAndroid
-
>
JAVA���m(x��)����
-
>
EXCEL��̿ƕ�(��ȫ��)(ȫ��ӡˢ)
-
>
��ȌW��
����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���` �����Ϣ
- ISBN��9787115517951
- �l�δa��9787115517951 ; 978-7-115-51795-1
- �b����ƽ�b-�zӆ
- �Ԕ�(sh��)�����o
- ���������o
- ���ٷ��>>
����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���` ������ɫ
�������ȏ�Python �����Z���_ʼӑՓ����B**�Ĕ�(sh��)�W֪�R�c��(j��ng)�W(w��ng)�j�Ļ���֪�R��������ӑՓ�ă��ݾ���һ����ȌW�����TensorPy�������@Щ֪�R����䁉|�������_ʼӑՓ���Ɍ����W(w��ng)�j��GAN�����P�ă�����Ȼ����ʹ�ñ��^���ε��Z�ԁ�����GAN �漰��˼����ģ���c��(sh��)�Wԭ����������ͨ�^TensorFlow���F(xi��n)���y(t��ng)��GAN����ӑՓ���һ����Ҫ���������Єe�������������c��BGAN ���N��Ҋ��׃�w���������e���Ɍ����W(w��ng)�j���l���������ɾW(w��ng)�j��ѭ�h(hu��n)һ���������M���Ɍ����W(w��ng)�j���u������ʽ���Ɍ����W(w��ng)�j�ȃ����� ������ģ���c��(sh��)�W�ĽǶȁ�����GAN ׃�w��ϣ��ͨ�^��(sh��)�W��̖���_����ͬGAN ׃�w�ĺ���˼�룬�m���˹��������C���W����Ӌ��Cҕ�X���P���I(y��)���ˆT�W��ʹ����
����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���` ���ݺ���
�������ȏ�Python �����Z���_ʼӑՓ����B���]�Ĕ�(sh��)�W֪�R�c��(j��ng)�W(w��ng)�j�Ļ���֪�R��������ӑՓ�ă��ݾ���һ����ȌW�����TensorPy�������@Щ֪�R����䁉|�������_ʼӑՓ���Ɍ����W(w��ng)�j��GAN�����P�ă��ݡ�Ȼ��������ʹ�ñ��^���ε��Z�ԁ�����GAN �漰��˼����ģ���c��(sh��)�Wԭ����������ͨ�^TensorFlow���F(xi��n)���y(t��ng)��GAN����ӑՓ���һ����Ҫ���������Єe�������������c��BGAN ���N��Ҋ��׃�w���������e���Ɍ����W(w��ng)�j���l���������ɾW(w��ng)�j��ѭ�h(hu��n)һ���������M���Ɍ����W(w��ng)�j���u������ʽ���Ɍ����W(w��ng)�j�ȃ��ݡ� ������ģ���c��(sh��)�W�ĽǶȁ�����GAN ׃�w��ϣ��ͨ�^��(sh��)�W��̖���_����ͬGAN ׃�w�ĺ���˼�룬�m���˹��������C���W����Ӌ��Cҕ�X���P���I(y��)���ˆT�W��ʹ����
����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���` Ŀ�
1.1��Anaconda��1
1.2��Python ���A��4
1.2.1�����Ô�(sh��)��(j��)��͡�5
1.2.2�����̿��ơ�7
1.2.3������(sh��)���x��8
1.3��Python �M�A��8
1.3.1������ʽ��9
1.3.2���ɵ��������c��������9
1.3.3����������11
1.3.4���b�����11
1.4���Y��13
�ڡ�2 �� ��(y��u)�ŵĔ�(sh��)�W��14
2.1�������c��ꇡ�14
2.1.1�������ĸ��14
2.1.2�������Ļ����\�㡡15
2.1.3����ꇵĸ��17
2.1.4����ꇵ��\�㡡19
2.2���e�֡�24
2.2.1���A����e��24
2.2.2���ŵ��e�֡�25
2.2.3���ؽ��e�֡�28
2.2.4�����õĹ�ʽ��29
2.2.5��ƫ����(sh��)��31
2.2.6������(sh��)��31
2.2.7���ʽ���t��33
2.3������Փ��34
2.3.1���S�C׃����34
2.3.2���l�����ʡ�36
2.3.3��ؐ�~˹������38
2.3.4����Ҋ�ĸ��ʷֲ���39
2.4����ϢՓ��41
2.4.1����Ϣ�ء�41
2.4.2���l���ء�43
2.4.3������Ϣ��43
2.4.4�������أ�KL ɢ�ȣ���44
2.4.5�������ء�45
2.5���Y��46
��3���� ���R��(j��ng)�W(w��ng)�j��47
3.1��ʲô����(j��ng)�W(w��ng)�j��47
3.1.1����(j��ng)�W(w��ng)�j�Ěvʷ��47
3.1.2����(j��ng)�W(w��ng)�j�ă�(y��u)�ݡ�54
3.2����(j��ng)�W(w��ng)�j�г�Ҋ�ĸ��55
3.2.1��ǰ������㷨��55
3.2.2���pʧ����(sh��)��57
3.2.3���ݶ��½��㷨��58
3.2.4�����N�ݶ��½��㷨��63
3.2.5����������㷨��67
3.2.6���^�M���cǷ�M�ϡ�70
3.3�������F(xi��n)��ȌW�����TensorPy��71
3.3.1�����F(xi��n)Ӌ��D��71
3.3.2�����F(xi��n)Session ����74
3.3.3�����F(xi��n)��֪��ǰ������㷨��76
3.3.4�����F(xi��n)����(sh��)�pʧ��79
3.3.5�����F(xi��n)�ݶ��½��㷨�c��������㷨��81
3.3.6�����F(xi��n)���Ӹ�֪����86
3.4��TensorFlow ���顡89
3.4.1��TensorFlow ���b�c��B��89
3.4.2��TensorFlow �������90
3.4.3��TensorFlow ���F(xi��n)���Ӹ�֪����91
3.4.4��TensorBoard ��ҕ����93
3.4.5��TensorFlow ģ�ͱ��淽����98
3.5���Y��99
��4���� ���R���Ɍ����W(w��ng)�j��101
4.1��ʲô�����Ɍ����W(w��ng)�j��101
4.1.1��ʲô��GAN��101
4.1.2��GAN ʹ�÷�����103
4.2��GAN ����ԭ����104
4.2.1��GAN ģ��Ԕ�顡104
4.2.2�������ı��|��106
4.3��TensorFlow ���F(xi��n)����GAN��108
4.3.1������GAN ����MNIST
��(sh��)��(j��)����108
4.3.2��Ӗ���cЧ��չʾ��114
4.4���P��GAN �Ďׂ����}��117
4.4.1����ʲô������G ���ɔ�(sh��)��(j��)��Ҫ�Єe��D ���롡117
4.4.2����ʲô�Єe��D ���Լ�
���ɔ�(sh��)��(j��)��120
4.4.3����ʲô�x��GAN��121
4.5���Y��122
��5���� ���Ɍ����W(w��ng)�j�Ĕ�(sh��)�Wԭ����123
5.1���M���挍�ֲ���123
5.1.1��*����Ȼ��Ӌ��123
5.1.2��*����Ȼ��Ӌ�M�Ϸֲ���125
5.1.3��*����Ȼ��Ӌ�cKLɢ�ȵ��Pϵ��126
5.2�����Ɍ����W(w��ng)�j��127
5.2.1���������M�Ϸֲ���127
5.2.2���Єe��Ӌ��ֲ��IJ��128
5.2.3��GAN �Ĕ�(sh��)�W�ƌ���129
5.2.4��GAN �ı��|��131
5.3���y(t��ng)һ���F-GAN��134
5.3.1��f ɢ�ȡ�134
5.3.2����ܗ��137
5.3.3��f ɢ���cGAN ֮�g���Pϵ��138
5.4��GAN Ӗ���^�̿�ҕ����139
5.5���Y��144
��6���� ���e���Ɍ����W(w��ng)�j��145
6.1�����R���e��(j��ng)�W(w��ng)�j��145
6.1.1��ʲô�Ǿ��e��(j��ng)�W(w��ng)�j��145
6.1.2��CNN �R�e�D���^�̡�147
6.1.3��CNN ���ĸ��151
6.2��TensorFlow ���F(xi��n)���e�W(w��ng)�j��154
6.2.1������CNN Ӌ��D��154
6.2.2��Ӗ��CNN �W(w��ng)�j��160
6.2.3��Dropout ������161
6.2.4��DCGAN��CNN �cGAN
�ЙC�Y�ϡ�162
6.2.5��Batch Normalization��164
6.3��TensorFlow ���F(xi��n)DCGAN �W(w��ng)�j��166
6.3.1��TensorFlow ���F(xi��n)DCGAN �������� .167
6.3.2��TensorFlow ���F(xi��n)DCGAN ��
�Єe����170
6.3.3���@�Üyԇ������171
6.3.4������DCGAN ���w��172
6.3.5��Ӗ��DCGAN��173
6.3.6��RussellCould ʹ�á�179
6.3.7���Y��չʾ��185
6.4���Y��189
��7���� �l���������ɾW(w��ng)�j��190
7.1����Ό��F(xi��n)�D���g�L���D�Q��190
7.1.1�����y(t��ng)��(j��ng)�W(w��ng)�j��ȱ�ݡ�190
7.1.2����ͨGAN ��ȱ�ݡ�191
7.2���l���������ɾW(w��ng)�j��192
7.2.1��GAN Ԕ�⡡192
7.2.2��CGAN Ӗ�����̡�193
7.3��ColorGAN ���F(xi��n)��194
7.3.1���������c�Єe���Ę�����194
7.3.2���D��(sh��)��(j��)�A̎����197
7.3.3��ColorGAN Ӗ���W����200
7.3.4��ColorGAN Ӗ���Y����203
7.3.5���D���D�D���ӑՓ��208
7.4�����F(xi��n)�����D�D��209
7.4.1������������209
7.4.2��fashion-mnist ��(sh��)��(j��)����210
7.4.3��FashionCGAN �Єe������������211
7.4.4��Ӗ��FashionCGAN��213
7.5�����F(xi��n)�����D�D��215
7.5.1��word2vec ���g��215
7.5.2��RNN��LSTM �cGRU��218
7.5.3��Skip-Thought Vector��223
7.5.4�����F(xi��n)Skip-Thought��226
7.5.5�����F(xi��n)�����D�D��234
7.6���Y��237
��8���� ѭ�h(hu��n)һ���ԡ�238
8.1���ԟo�O(ji��n)���ķ�ʽ���F(xi��n)�L���D�Q��238
8.2��CycleGAN��240
8.2.1��CycleGAN �ļܘ��cĿ�˺���(sh��)��241
8.2.2��CycleGAN ���ĸ�׃��243
8.2.3��TensorFlow ���F(xi��n)CycleGAN�������c�Єe����251
8.2.4��TensorFlow ��cӖ��CycleGAN��254
8.2.5��Ч��չʾ��258
8.3��StarGAN��262
8.3.1��StarGAN �ĽY���cĿ�˺���(sh��)��262
8.3.2��TensorFlow ����StarGANģ�͡�265
8.3.3������StarGAN �ēpʧ��268
8.3.4��Ч��չʾ��272
8.4���Z�x��ʽ��׃�ĈD������D�Q��275
8.4.1��Domain Transfer Network��B��276
8.4.2��DTN ���a�Y����278
8.4.3��XGAN ��B��283
8.5���Y��287
��9���� ���M���Ɍ����W(w��ng)�j��289
9.1�����y(t��ng)GAN ���ڵĆ��}��289
9.1.1���ݶ���ʧ��289
9.1.2��ģʽ������293
9.2��Wasserstein GAN��295
9.2.1��EM ���x��295
9.2.2��EM ���xʹ����GAN �ϡ�298
9.2.3��EM ���x�c�Єe�����Pϵ��299
9.2.4��TensorFlow ���F(xi��n)WGAN��302
9.3��Improved WGAN��WGAN-GP����306
9.3.1��WGAN ���ڵĆ��}��306
9.3.2��gradient penalty��308
9.3.3��TensorFlow ���F(xi��n)WGAN-GP��310
9.4��SN-GAN��314
9.4.1��SN-GAN ��B��314
9.4.2��Spectral Normalization�����cSN-GAN��315
9.4.3��TensorFlow ���F(xi��n)SNGAN��321
9.5���Y��326
�ڡ�10 �� �u������ʽ���Ɍ����W(w��ng)�j��327
10.1���ѯBʽ���Ɍ����W(w��ng)�jStackGAN��327
10.1.1��StackGAN-v1��327
10.1.2����P����330
10.1.3��StackGAN-v2��333
10.1.4��TensorFlow ���F(xi��n)StackGAN-v2��335
10.2��TensorFlow ��(sh��)��(j��)̎����348
10.2.1��placeholder �xȡ��(sh��)��(j��)��348
10.2.2��Queue ��ʽ�xȡ��(sh��)��(j��)��348
10.2.3��tf.data �xȡ��(sh��)��(j��)��353
10.3���u�����L���Ɍ����W(w��ng)�jPGGAN .
10.3.1��PGGAN ��B��355
10.3.2��PGGAN �ĸ��M�c��356
10.3.3��TensorFlow ���F(xi��n)PGGAN��361
10.4���Y��369
�ڡ�11 �� GAN �M�������W����370
11.1�������Ɣࡡ370
11.1.1��׃���Ɣ�˼�롡371
11.1.2��ƽ������372
11.2��InfoGAN��375
11.2.1����(sh��)��(j��)�����c����Ϣ��376
11.2.2��InfoGAN ��(sh��)�Wԭ���cģ�ͽY����377
11.2.3��TensorFlow ���F(xi��n)InfoGAN��381
11.2.4��ʹ��InfoGAN ���ɈD��385
11.3��VAE-GAN��390
11.3.1��AutoEncoder �Ծ��a����390
11.3.2��׃���Ծ��a����392
11.3.3����(sh��)�W�Ƕȿ�VAE��394
11.3.4��TensorFlow ���F(xi��n)VAE��400
11.3.5��VAE �cGAN �ĽY���wVAE-GAN��405
11.3.6��TensorFlow ���F(xi��n)VAE-GAN��407
11.4���Y��414
�ڡ�12 �� GAN ��NLP �е��\�á�415
12.1��GAN ���ı������������ľ���415
12.2��GAN �����xɢ��(sh��)��(j��)�ķ�����418
12.2.1���Єe��ֱ�ӫ@ȡ��������ݔ����418
12.2.2��Gumbel-softmax��420
12.3�������W��������422
12.3.1�������W���㷨��423
12.3.2��Policy Gradient��424
12.3.3��GAN RL �������ı����ɡ�428
12.3��SeqGAN��429
12.3.1��SeqGAN �Y���c�㷨��429
12.3.2��Highway Network��432
12.3.3��SeqGAM �������crollout�Y�����F(xi��n)��434
12.3.4��SeqGAN ��Ŀ��LSTM �c�Єe���Č��F(xi��n)��445
12.3.5��SeqGAN ���������c�Єe���AӖ����453
12.3.6��SeqGAN ����Ӗ����459
12.4��MaskGAN��461
12.4.1��MaskGAN �Y���c�㷨��461
12.4.2��TensorFlow ���F(xi��n)MaskGAN ���������c�Єe����465
12.4.3��TensorFlow ���F(xi��n)MaskGAN ��Actor-Critic �cĿ�˺���(sh��)��472
12.4.4��TensorFlow ���F(xi��n)MaskGAN �ĽY���cӖ��߉��476
12.5���Y��480
����\��GAN���Ɍ����W(w��ng)�j ԭ�������cTensorFlow���` ���ߺ���
��ï�ģ��Α�AI�о��T�������̎����Ї��˹����܌W�������T���о��dȤ����Ȼ�Z��̎�������Ɍ����W(w��ng)�j���Α�AI�������c��헙C���W���Ŀ�� ��־�꣺�����̎�����ɽ��W���A�WԺ“�����Ǹɽ̎�”���Ї��˹����܌W�������T���Ї�Ӌ��C�W�����T���о��dȤ��C���W������ȌW������(li��n)�W(w��ng)�����ֺͅ��cʡ�м���У���Ŀ10������������֏V�|ʡ��ͨ��У���ꄓ(chu��ng)���˲��Ŀ���������a(ch��n)�W�����f(xi��)ͬ�����Ŀ��һ����l(f��)��Փ��18ƪ������SCI��EI����������ڿ�12ƪ����һ����Փ�ī@�ñ�������ڿ���(y��u)��Փ�����|ݸ��Ӌ��C�W����(y��u)��Փ������Ո�l(f��)���������������͌�����8����������ڙ�3����@��ܛ��������3����ѳ���̲�3����ָ���W���@�Ç��Ҽ���ʡ����ِ���50�������Ϋ@�Ç��Ҽ���ʡ����(y��u)��ָ���̎�����
- >
��(j��ng)�䳣Մ
- >
���{����,��Ҫȥ��(2021�°�)
- >
����
- >
�ͽ���˼�
- >
������
- >
С�����Ĺ���-���b��3��
- >
����?gu��)����x��Ѹ:����Ϧʰ
- >
�Ї����ڞ��K��߅���^(q��):�vʷ�c��W����