封面
版权信息
内容提要
推荐序
前言
第1章 优雅Python
1.1 Anaconda
1.2 Python基础
1.3 Python进阶
1.4 小结
第2章 优雅的数学
2.1 向量与矩阵
2.2 微积分
2.3 概率论
2.4 信息论
2.5 小结
第3章 初识神经网络
3.1 什么是神经网络
3.2 神经网络中常见的概念
3.3 动手实现深度学习框架TensorPy
3.4 TensorFlow简介
3.5 小结
第4章 初识生成对抗网络
4.1 什么是生成对抗网络
4.2 GAN基本原理
4.3 TensorFlow实现朴素GAN
4.4 关于GAN的几个问题
4.5 小结
第5章 生成对抗网络的数学原理
5.1 拟合真实分布
5.2 生成对抗网络
5.3 统一框架F-GAN
5.4 GAN训练过程可视化
5.5 小结
第6章 卷积生成对抗网络
6.1 初识卷积神经网络
6.2 TensorFlow实现卷积网络
6.3 TensorFlow实现DCGAN网络
6.4 小结
第7章 条件生成对抗网络
7.1 如何实现图像间风格转换
7.2 条件生成对抗网络
7.3 ColorGAN的实现
7.4 实现文字转图像
7.5 实现句子转图像
7.6 小结
第8章 循环一致性
8.1 以无监督的方式实现风格转换
8.2 CycleGAN
8.3 StarGAN
8.4 语义样式不变的图像跨域转换
8.5 小结
第9章 改进生成对抗网络
9.1 传统GAN存在的问题
9.2 Wasserstein GAN
9.3 Improved WGAN（WGAN-GP）
9.4 SN-GAN
9.5 小结
第10章 渐近增强式生成对抗网络
10.1 堆叠式生成对抗网络StackGAN
10.2 TensorFlow数据处理
10.3 渐近增长生成对抗网络PGGAN
10.4 小结
第11章 GAN进行特征学习
11.1 近似推断
11.2 InfoGAN
11.3 VAE-GAN
11.4 小结
第12章 GAN在NLP中的运用
12.1 GAN在文本生成中遇到的困境
12.2 GAN生成离散数据的方法
12.3 强化学习简述
12.4 SeqGAN
12.5 MaskGAN
12.6 小结
更新时间：2020-07-08 16:05:09
完结共75章
倒序