生成對抗網絡GAN-從理論到PyTorch實現 袁梅宇 9787302690177 【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：202506*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：生成對抗網絡GAN-從理論到PyTorch實現
ISBN：9787302690177
出版社：清華大學
著編譯者：袁梅宇
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1741625
可大量預訂，請先連絡。

內容簡介
《生成對抗網絡GAN：從理論到PyTorch實現》系統地講解了生成對抗網絡(GAN)的基本原理以及PyTorch編程技術，內容較全面，可操作性強，將理論與實踐相結合。讀者通過理論學習和編程實踐操作，可瞭解並掌握生成對抗網絡的基本原理和PyTorch編程技能，拉近理論與實踐的距離。
《生成對抗網絡GAN：從理論到PyTorch實現》共分8章，主要內容包括生成對抗網絡介紹、簡單全連接GAN、深度卷積GAN、Wasserstein GAN、條件GAN、StyleGAN、Pix2Pix、CycleGAN，涵蓋了豐富多彩的生成對抗網絡的原理和示例。此外，本書源碼已全部在Python 3 10 9 + PyTorch 1 13 1 + CUDA 11 6版本上調試成功。
《生成對抗網絡GAN：從理論到PyTorch實現》適合生成對抗網絡愛好者和PyTorch編程人員作為入門和提高的技術參考書，也適合用作計算機專業高年級本科生和研究生的教材或教學參考書。

作者簡介
袁梅宇，工學博士，碩士導師。現在昆明理工大學計算機系任教，為本科生和研究生主講軟件工程、Java程序設計、Java EE技術、數據庫原理、機器學習、人工智能等多門核心課程。出版圖書主要有《Java EE企業級編程開發實例詳解》、《數據挖掘與機器學習——WEKA應用技術與實踐》《數據挖掘與機器學習——WEKA應用技術與實踐（第二版）》《求精要訣——Java EE編程開發案例精講》《機器學習基礎——原理算法與實踐》《PyTorch編程技術與深度學習》。

前言/序言
生成對抗網絡(Generative Adversarial Networks，GAN)被學術界和工業界的專家們譽為”深度學習中最重要的創新之一”。Facebook的人工智能研究主管、圖靈獎得主楊立昆(Yann LeCun)甚至表示GAN及其變體是”過去20年來深度學習中最酷的想法”。GAN的創立來自”GAN之父”伊恩 古德費羅(Ian Goodfellow)的突發奇想。據說，2014年蒙特利爾大學的博士生Ian Goodfellow在一家酒吧與朋友討論學術問題時，突然想到一種讓神經網絡教會機器如何生成逼真照片的AI技術，並連夜在電腦上完成GAN的代碼。GAN的設計非常優雅：第一個AI嘗試創造它認為的真實圖像，第二個AI分析結果並嘗試判斷圖像的真假。
至今，GAN已經在理論上突飛猛進地發展了10年，各種GAN在不同領域中的應用在遍地開花。在計算機視覺中的應用包括圖像和視頻的生成、圖像與圖像或文字之間的翻譯、目標檢測、語義分割等。除了圖像領域，GAN 還廣泛應用于文本、語音等領域。
儘管GAN技術非常吸引人，但要掌握GAN並不容易，因為學習相關知識(諸如判別器、生成器、神經網絡、卷積神經網絡和各種GAN理論)具有一定的難度，同時掌握PyTorch等深度學習工具也很困難。因此，一本容易上手的生成對抗網絡入門圖書肯定會對GAN初學者有很大的幫助，本書就是專門為初學者精心編寫的。
初學者學習生成對抗網絡理論與PyTorch編程技術一般都會面臨三個”攔路虎”。第一個”攔路虎”是必須具備一定的深度學習理論基礎知識。深度學習包含很多需要掌握的基本概念，如神經元、激活函數、全連接、Dropout、權重初始化、代價函數、批量歸一化、優化算法、卷積神經網絡、卷積層和池化層、殘差網絡、Inception網絡等，學習這些概念需要花費大量的時間和精力，而且學習週期漫長。第二個”攔路虎”是生成對抗網絡理論。必須閱讀近10年來的很多經典論文，才能瞭解GAN領域的研究動態；如果無人引路，光靠一個人在黑暗中長期摸索，無疑會白白浪費很多精力。第三個”攔路虎”是GAN模型複現。眾所周知，PyTorch是一個非常龐大的開源平臺，擁有一個包含各種工具、庫和社區資源的良好生態系統，要在短時間內掌握這些編程技能較為困難，更別說直接去複現GAN論文。比較棘手的問題在於很多經典GAN論文是使用TensorFlow或其他框架實現的，即便使用PyTorch實現，也有可能將多個功能混雜在一起，難以閱讀和學習，或者僅僅因為API升級而無法運行，這對初學者來說極為不友好，因此迫切需要重新按照簡單化的原則重新編碼，提供專門的供學習用的複現版本。
本書就是為了讓GAN的初學者順利入門而設計的。首先，通過本書瞭解基本的GAN架構和原理之後，可以逐步深入研讀經典論文，考慮如何解決實際問題。其次，本書精心選擇一些生成對抗網絡架構和訓練方法的經典案例，讀者能親身體會如何將生成對抗網絡的理論應用到實踐中，並加深對GAN算法的理解，提高編程能力，逐步掌握生成對抗網絡的原理和編程技能，拉近理論與實踐的距離。
本書共分8章 。第1章 介紹生成對抗網絡和PyTorch的基本概念，以及GAN架構和常用數據集；第2章 為簡單全連接GAN的基礎編程，使用PyTorch來實現能生成1001模式的GAN和能生成MNIST數據的GAN；第3章 為深度卷積GAN，主要內容有DCGAN簡介，包括DCGAN網絡結構、卷積、反卷積、批規範化的基本概念，並使用PyTorch實現一個DCGAN實例；第4章 為Wasserstein GAN，主要內容包括WGAN介紹、WGAN基礎、WGAN實現和WGAN-GP實現；第5章 為條件GAN，首先介紹條件GAN的基本概念，包括條件生成、可控生成、Z空間的向量運算、類別梯度上升和解耦合，然後使用PyTorch分別實現cGAN和可控生成GAN；第6章 為StyleGAN，首先簡單介紹StyleGAN，然後講述StyleGAN架構，包括StyleGAN生成器結構、漸進式增長、噪聲映射網絡、樣式模塊AdaIN、樣式混合和隨機噪聲等概念，最後講解如何使用PyTorch框架來實現StyleGAN；第7章 為Pix2Pix，首先講述匹配圖像轉換的概念，然後講述PatchGAN、U-Net等基本原理，最後使用PyTorch編程實現Pix2Pix；第8章 為CycleGAN，首先講述非匹配圖像轉換的概念，然後講述CycleGAN架構，最後使用PyTorch框架來編碼實現CycleGAN。
由於深度學習軟件更新得很快，新開發的代碼在舊版本環境下不一定能夠兼容運行，為便於讀者參考，在此列出本書代碼的開發調試環境：Python 3 10 9、PyTorch 1 13 1、CUDA 11 6、torchvision 0 14 1。本書配套源代碼，讀者可掃描右側二維碼進行下載。
感謝昆明理工大學提供的研究和寫作環境；感謝清華大學出版社的編輯老師在出版方面提出的建設性意見和給予的無私幫助；感謝讀者群的一些未見面的群友，你們對作者以前的著作提出了寶貴的建議並鼓勵作者撰寫更多、更好的技術類書籍，雖然我無法一一列舉姓名，但你們的幫助我會一直銘記在心；最後感謝購買本書的朋友。作者在寫作中付出很多精力和勞動，但限於作者的學識、能力和精力，書中難免會存在一些錯誤，敬請各位讀者批評、指正，你們的批評與建議都會受到重視，並在將來再版中改進。

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。