生成式人工智能 (基於PyTorch實現) 劉煥良 9787115666154 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202505*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：生成式人工智能 (基於PyTorch實現)
ISBN：9787115666154
出版社：人民郵電
著編譯者：劉煥良
頁數：306
所在地：中國大陸 *此為代購商品
書號：1732113
可大量預訂，請先連絡。

內容簡介

本書通過從零開始構建生成式人工智能模型來探討生成式人工智能的底層機制，並使用PyTorch對生成式人工智能模型進行編程的實踐指導，以期讓讀者在了解生成對抗網絡（GAN）、變分自編碼器（VAE）、循環神經網絡（RNN）、Transformer、擴散模型、大語言模型（LLM）和LangChain等技術原理之後，能構建可生成形狀、數字、圖像、文本和音樂的生成式人工智能模型。 本書適合各種商業領域中的人工智能技術工程師和數據科學家在實踐生成式人工智能模型時隨手查閱，也適合生成式人工智能的初學者作為入門指南。

作者簡介

劉煥良(Mark Liu)博士是美國肯塔基大學金融學終身副教授和金融學碩士項目(創始)負責人。他著有兩本書：Make Python Talk (No Starch Press， 2021)和Machine Learning， Animated ( CRC Press，2023)。 他擁有20多年的編程經驗。他獲得美國波士頓學院金融學博士學位，曾在Journal of Financial Economics、Journal of Financial and Quantitative Analysis和Journal of Corporate Finance等金融學頂級期刊上發表過研究論文。

目錄

第一部分 生成式人工智能簡介
第1章 生成式人工智能和PyTorch
1 1 生成式人工智能和PyTorch簡介
1 1 1 生成式人工智能
1 1 2 Python編程語言
1 1 3 使用PyTorch作為人工智能框架
1 2 生成對抗網絡（GAN）
1 2 1 GAN概述
1 2 2 示例：生成動漫人臉
1 2 3 為什麼要關注GAN
1 3 Transformer
1 3 1 注意力機制簡介
1 3 2 Transformer架構簡介
1 3 3 多模態Transformer和預訓練LLM
1 4 為什麼要從零開始構建生成模型
1 5 小結
第2章 使用PyTorch進行深度學習
2 1 PyTorch中的數據類型
2 1 1 創建PyTorch張量
2 1 2 對PyTorch張量進行索引和切片
2 1 3 PyTorch張量的形狀
2 1 4 PyTorch張量的數學運算
2 2 使用PyTorch完成端到端深度學習項目
2 2 1 PyTorch深度學習：高層次概述
2 2 2 數據預處理
2 3 二分類
2 3 1 創建批次
2 3 2 構建並訓練二分類模型
2 3 3 測試二分類模型
2 4 多類別分類
2 4 1 驗證集和早停止
2 4 2 構建並訓練多類別分類模型
2 5 小結
第3章 生成對抗網絡：生成形狀和數字
3 1 訓練GAN的步驟
3 2 準備訓練數據
3 2 1 形成指數增長曲線的訓練數據集
3 2 2 準備訓練數據集
3 3 構建GAN
3 3 1 判別器網絡
3 3 2 生成器網絡
3 3 3 損失函數、優化器和早停止
3 4 訓練GAN並使用GAN生成形狀
3 4 1 GAN的訓練
3 4 2 保存並使用訓練好的生成器
3 5 用模式生成數字
3 5 1 獨熱變數
3 5 2 使用GAN生成具備模式的數字
3 5 3 訓練GAN生成具備模式的數字
3 5 4 保存並使用訓練好的模型
3 6 小結
第二部分 圖像生成
第4章 使用GAN生成圖像
4 1 使用GAN生成服裝灰度圖像
4 1 1 訓練樣本和判別器
4 1 2 生成灰度圖像的生成器
4 1 3 訓練GAN生成服裝圖像
4 2 卷積層
4 2 1 卷積運算的工作原理
4 2 2 步幅和填充對卷積運算的影響
4 3 轉置卷積和批量歸一化
4 3 1 轉置卷積層的工作原理
4 3 2 批量歸一化
4 4 彩色動漫人臉圖像
4 4 1 下載動漫人臉圖像
4 4 2 PyTorch中的通道前置彩色圖像
4 5 深度卷積GAN（DCGAN）
4 5 1 構建DCGAN
4 5 2 訓練並使用DCGAN
4 6 小結
第5章 在生成圖像中選擇特徵
5 1 眼鏡數據集
5 1 1 下載眼鏡數據集
5 1 2 可視化眼鏡數據集中的圖像
5 2 cGAN和沃瑟斯坦距離
5 2 1 帶有梯度懲罰的WGAN
5 2 2 cGAN
5 3 構建cGAN
5 3 1 cGAN中的批評者
5 3 2 cGAN中的生成器
5 3 3 權重初始化和梯度懲罰函數
5 4 訓練cGAN
5 4 1 為輸入添加標籤
5 4 2 訓練模型
5 5 在生成圖像中選擇特徵的方法
5 5 1 選擇生成戴眼鏡或不戴眼鏡的人臉圖像
5 5 2 潛空間中的向量運算
5 5 3 同時選擇兩個特徵
5 6 小結
第6章 CycleGAN：將金髮轉換為黑髮
6 1 CycleGAN和循環一致性損失
6 1 1 CycleGAN
6 1 2 循環一致性損失
6 2 名人人臉數據集
6 2 1 下載名人人臉數據集
6 2 2 處理黑髮圖像和金髮圖像的數據
6 3 構建CycleGAN模型
6 3 1 創建兩個判別器
6 3 2 創建兩個生成器
6 4 用CycleGAN在黑髮和金髮之間轉換
6 4 1 訓練CycleGAN在黑髮和金髮之間轉換
6 4 2 黑髮圖像和金髮圖像的往返轉換
6 5 小結
第7章 利用變分自編碼器生成圖像
7 1 自編碼器概述
7 1 1 自編碼器
7 1 2 構建並訓練自編碼器的步驟
7 2 構建並訓練能生成數字的自編碼器
7 2 1 收集手寫數字
7 2 2 構建和訓練自編碼器
7 2 3 保存並使用訓練好的自編碼器
7 3 變分自編碼器
7 3 1 AE與VAE的區別
7 3 2 訓練可生成人臉圖像的VAE所需的藍圖
7 4 生成人臉圖像的變分自編碼器
7 4 1 構建變分自編碼器
7 4 2 訓練變分自編碼器
7 4 3 使用訓練好的VAE生成圖像
7 4 4 使用訓練好的VAE進行編碼運算
7 5 小結
第三部分 自然語言處理和Transformer
第8章 利用循環神經網絡生成文本
8 1 循環神經網絡（RNN）簡介
8 1 1 文本生成過程中的挑戰
8 1 2 循環神經網絡的工作原理
8 1 3 訓練長短期記憶（LSTM）模型的步驟
8 2 自然語言處理（NLP）的基本原理
8 2 1 詞元化方法
8 2 2 詞嵌
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。