电子书:《GAN:实战生成对抗网络》_刘梦馨_2018-06-01

[复制链接]
查看314 | 回复1 | 2019-12-7 08:32:06 | 显示全部楼层 |阅读模式

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_1

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_1

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_2

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_2

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_3

《GAN:实战生成对抗网络》_刘梦馨_2018-06-01_3


内容简介:

审稿人介绍
Max strakhov是一位具有8年计算机编程工作经验以及4年机器学习工作经验的软件
工程师和研究者。他曾在 Google和 Yandex工作,目前是 AURA Devices llc的联合创始
人及CTO。
他对深度学习尤其是生成网络在人工智能领域的应用有着深厚的兴趣。他在自己的博
客http://monnoroch.github.io/i中记录了关于深度学习、软件工程以及其他相关技术
的分享

我相信数据科学和人工智能将会赋予我们超能力。

目录
前言
1深度学习概述
1深度学习的演化
1.1. I sigmoid激发
1.2修正线性单元(ReLU)
1.1.3指数线性单元(ELU)
1.1.5学习速率调优
1.1.6正则化
1.7权重分享以及池化
1.1.8局部感受野
1.9卷积网络( ConvNet)
.2逆卷积转置卷积
1.2.1递归神经网络和LSTM
深度神经网络
1.2、3判别模型和生成模型的对比

目录
2无监督学习GAN
21利用深度神经网络自动化人类任务
2.1.1GAN的目的
2.1.2现实世界的一个比喻
2.13GAN的组成
22GAN的实现
22.1GAN的应用
22,2在 Keras上利用 DCGAN实现图像生成……
22.3利用 TensorFlow实现 SSGAN
3GAN模型的挑战
启动及初始化的问题
2,3.2模型坍塌
23.4角度方面的问题
2.3.5全局结构方面的问题
4提升GAN训练效果的方法
24.1特征匹配
24.2小批量
历史平均
244单侧标签平滑
2.4.5输入规范化
2.4.6批规范化……
2.4.7利用ReLU和 MaxPool避免稀疏梯度
24.8优化器和噪声
2.4.9不要仅根据统计信息平衡损
3图像风格跨域转换
3.1弥补监督学习和无监督学习之间的空隙…
3.2条件GAN介绍
利用CGAN生成时尚衣柜

GAN:实战生成对抗网络
3.2.2利用边界均衡固化GAN训练
33 BEGAN的训练过程
3.3.1 BEGAN的架构
3.32利用 Tensor Flow实现BEG
34利用 CycleAN实现图像风格的转换
34.1 CycleAN的模型公式
34.2利用 TensorFlow将苹果变成橘子
34.3利用 CycleAN将马变为斑马
3.5总结…
4从文本构建逼真的图像
4.1 StackGAN介绍
4.1.1条件强化
4.1.2 StackGAN的架构细节
41.3利用 Tensor Flow从文本生成图像
42利用 DIScoGAN探索跨域的关系
4.2.1 DIScoGAN架构以及模型公式
4.2.2 DIScoGAN的实现
43利用 PyTorch从边框生成手提包
44利用 PyTorch进行性别转换
oAN和 CycleAN的对比
358822
5利用多种生成模型生成图像
移学习介绍
5.1.1迁移学习的目的
5.1.2多种利用预训练模型的方法
38
3利用 Keras对车、猫、狗和花进行分类
52利用 Apache Spark进行大规模深度学习
52.1利用Spak深度学习模块运行预训练模
522利用 BIgDL运行大规模手写数字识别


#############################################


回复

使用道具 举报

月半小夜曲 | 2019-12-21 20:05:35 | 显示全部楼层
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则