实战GAN(TensorFlow与Keras生成对抗网络构建)

作者简介

关于作者 Josh Kalin是一位物理学家和技术专家，他关注于机器人和机器学习的交叉领域。Josh致力于先进传感器、工业机器人、机器学习和自动化车辆项目的研究。他同时拥有物理学、机械工程以及计算机科学的学位。在业余时间，他喜欢研究车辆（拥有36辆汽车）、组装计算机，以及学习机器人和机器学习领域的新技术（例如撰写本书）。 感谢亲朋好友对我这个疯狂想法的支持；感谢我的孩子可以理解我因为GAN而抓头发的时刻。希望有一天他们能理解这本书的内容。特别感谢Jeremiah能够倾听我关于这本书的唠叨。最后，要感谢我的妻子：没有她，这一切都是不可能实现的。正是在她的催促下，我才能顺利地完成这本书。 关于评审者 Mayur Ravindra Narkhede在数据科学和工业领域有着丰富的经验。他是一名拥有计算机科学学士学位以及人工智能硕士学位的研究员。 他也是一位在构建自动化端到端解决方案领域有着丰富经验的数据科学家，十分擅长应用人工智能（AI）、机器学习、数据挖掘和设计思想等技术来更好地理解业务功能，并对盈利的增长和预测进行改进。 同时，他也曾参与过多个业界领先的解决方案，如机器学习和预测模型在石油、天然气、财经、道路交通、生命科学等多个领域的应用，以及资产密集型产业的大数据平台构建。

内容简介

开发生成对抗网络（GAN）是一项复杂的任务，而且通常很难找到能够帮助大家理解生成对抗网络的代码。本书通过包含CycleGAN、SimGAN、DCGAN以及从2D图像生成3D模型等多个现代GAN实现的样例来帮助你更好地理解GAN。本书的每章内容都包含了能帮助你快速通过Python、TensorFlow和Keras来构建GAN架构的代码片段。这些代码十分易读，你可以通过它们来构建更为复杂的GAN架构。本书还包含了可以直接使用的DCGAN和Pix2Pix代码，你可以通过使用真实世界不同的数据集来理解这些复杂的应用。借助这些易于使用并能快速上手的代码方案，到了本书的最后，你将会具备处理工作中关于GAN模型问题和挑战的能力。你将学习： ◎GAN架构的伪代码表达形式 ◎理解自己将会构建的每个GAN模型的通用架构 ◎使用TensorFlow和Keras实现不同的GAN架构 ◎在GAN模型中使用不同的数据集来训练神经网络 ◎连接不同的GAN模型并学习如何进行调优 ◎制作一个可以生成3D模型的网络 ◎使用Pix2Pix开发一个可以做风格转换的GAN