推荐序

随着人工智能技术的迅速发展，图像识别、语音识别、机器翻译等技术正在改变着我们的生活方式。目前，生成对抗网络（GAN）在图像和计算机视觉领域应用非常活跃，它既可以生成让人类已经难以分辨的逼真图像，还可以实现图像修复、模糊图像高清化、视频生成。除此之外，GAN还被应用于自然语言处理、信息安全等领域。

本书作者既有在企业一线的开发工程师，又有在应用型本科院校从教多年的教师，因而能基于丰富的开发经验和教学经验，精心设计内容，使之兼顾理论与实战。本书内容全面且有深度，介绍了传统GAN、DCGAN、CGAN、CycleGAN、InfoGAN、SeqGAN等各种不同类别的GAN模型，并且从生成器、判别器、损失定义、具体训练逻辑等多个方面展开讨论，从数学层面去推导证实，突出不同类别GAN架构的底层思想。此外，本书利用Tensorflow深度学习框架实现各种不同类别的GAN模型，实战性强。无论是深度学习的学习者，还是已经具备深度学习基础想进行生成对抗网络项目实战与应用的读者，都能从书中获益。我衷心希望这本书能够帮助更多读者深入理解各种GAN模型的理论，并帮助他们更好地利用GAN解决实际项目中的问题，为人工智能应用型人才的培养发挥积极作用。

汤庸 教授/学者网创始人

华南师范大学计算机学院院长

广东省服务计算工程研究开发中心主任