Generatív mesterséges intelligencia Python és TensorFlow 2: Képek, szövegek és zene létrehozása VAE-kkel, GAN-okkal, LSTM-ekkel, Transformer modellekkel

Olvasói vélemények

A könyv bevezetést nyújt a generatív modellekbe, a témák, eszközök és alkalmazások széles skáláját felölelve, gyakorlati kódolási példákkal. Kezdők és tapasztalt szakemberek számára egyaránt alkalmas, bár szerkezetében és egyes tartalmak relevanciájában vannak gyengeségei.

⬤ A generatív modellek és alkalmazásaik átfogó lefedettsége.
⬤ Gyakorlati kódolási példák a TensorFlow és a Keras használatával.
⬤ Részletes útmutatók a programozási környezetek beállításához.
⬤ Széles közönséget szólít meg azáltal, hogy az összetett témákat közérthető módon magyarázza el.
⬤ Az alapfogalmak jó rendszerezése gyakorlati projektekhez vezet.

⬤ Egyes fejezetek ismétlődnek és felesleges tartalmat tartalmaznak.
⬤ A kódolási példák nem mindig működnek, ami zavart okoz.
⬤ A könyv szerkezetét kritika éri, mert rosszul szervezett, és tényszerű hibákat tartalmaz.
⬤ Az NLP példáit gyengébbnek tartják a képi/hangos részekhez képest.
⬤ Egyes témák, mint például a megerősítéses tanulás, nem relevánsak a generatív modellekre való fő hangsúlyozás szempontjából.

(21 olvasói vélemény alapján)

Eredeti címe:

Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models

Könyv tartalma:

Klasszikus és mély tanulási generatív modellek megvalósítása gyakorlati példákon keresztül

Főbb jellemzők:

⬤  Fedezze fel a mesterséges intelligencia kreatív és emberhez hasonló képességeit, és hozzon létre lenyűgöző eredményeket.

⬤ Használja a legújabb kutatásokat, hogy bővítse ismereteit ezen a könyvön túl is.

⬤ Kísérletezzen a legkorszerűbb generatív modellek gyakorlati TensorFlow 2. x implementációival.

A könyv leírása:

Az elmúlt években a generatív mesterséges intelligencia nagy szerepet játszott az élethű adatok (képek, beszéd, videók, zene és szövegek) nulláról való létrehozásában. Ebben a könyvben kibontja, hogyan jönnek létre ezek a nagy teljesítményű modellek viszonylag egyszerű építőelemekből, és hogyan adaptálhatja ezeket a modelleket saját felhasználási eseteire.

Azzal kezded, hogy tiszta konténeres környezeteket állítasz fel a Pythonhoz, és megismerkedsz a mély neurális hálózatok alapjaival, megismerkedsz az olyan alapfogalmakkal, mint a perceptron, az aktiválási függvények, a backpropagáció, és hogy ezek hogyan kapcsolódnak egymáshoz. Az alapok elsajátítása után alaposan megismerkedsz a mélygeneratív modellekkel, beleértve az OpenAI GPT-sorozatú hírgenerátorát, a stílustranszferre és a mélyhamisításokra szolgáló hálózatokat, valamint a megerősítő tanulással való szinergiát.

Ahogy halad előre, az absztrakciókra fog összpontosítani, ahol ez hasznos, és megérti a modellek kódban történő összeállításának "csavarjait", részletes architektúra-diagramokkal alátámasztva. A könyvet számos gyakorlati projekt zárja, amelyekben zenét, képeket, szöveget és beszédet generálhat az előző fejezetekben megismert módszerek segítségével, összerakva a TensorFlow rétegeket, segédfüggvényeket és képzési ciklusokat, hogy feltárja a különböző generálási módok közötti kapcsolatokat.

A könyv végére elsajátítja a tudást ahhoz, hogy létrehozza és megvalósítsa saját generatív mesterséges intelligencia modelljeit.

Amit tanulni fog:

⬤ Páros és párosítatlan stílusátvitel megvalósítása olyan hálózatokkal, mint a StyleGAN.

⬤ Az arc tájékozódási pontok, autoencoderek és pix2pix GAN használata mély hamisítványok létrehozásához.

⬤ Elkészítesz több szöveggeneráló pipeline-t LSTM-eken, BERT-en és GPT-2-n alapulóan, megtanulva, hogy a figyelem és a transzformátorok hogyan változtatták meg az NLP tájképet.

⬤ Zene komponálása LSTM modellek, egyszerű generatív adverzális hálózatok és a bonyolult MuseGAN segítségével.

⬤ Tréningeljen egy mélytanuló ágenst, hogy egy szimulált fizikai környezetben mozogjon.

⬤ Fedezze fel a generatív mesterséges intelligencia újonnan megjelenő alkalmazásait, például a fehérjék hajtogatását és a képekből videók készítését.

Kinek szól ez a könyv:

Ez a könyv Python programozóknak, tapasztalt modellezőknek és gépi tanulási mérnököknek szól, akik szívesen tanulnának a generatív modellek létrehozásáról és megvalósításáról. Ahhoz, hogy a legtöbbet hozhassa ki ebből a könyvből, alapvető ismeretekkel kell rendelkeznie a valószínűségelmélet, a lineáris algebra és a mélytanulás terén.