Generative Adversarial Networks szakácskönyv

Olvasói vélemények

A könyv vegyes értékeléseket kapott a felhasználóktól, egyesek dicsérték a GAN-ok tanulásának gyakorlati megközelítését, míg mások kritizálták az írás minőségét és a vizuális megjelenítést.

Gyakorlati megközelítést kínál a GAN-ok tanulásához, hasznos kódbontást, hivatkozik eredeti tanulmányokra, és jó kiindulópontként szolgál a gépi tanulás további tanulása számára.

Gyenge írásminőség, nem megfelelő ábrák és vizuális ábrák, gyakran felesleges kommentárokkal pazarolja az olvasók idejét, és a kód kulcsfontosságú részei gyakran kimaradnak. Néhány olvasó nehezen olvashatónak találta, és megbánta, hogy megvásárolta.

(4 olvasói vélemény alapján)

Eredeti címe:

Generative Adversarial Networks Cookbook

Könyv tartalma:

Egyszerűsítse a következő generációs mélytanulást a nagy teljesítményű generatív modellek Python, TensorFlow és Keras használatával Főbb jellemzők A különböző típusú GAN-ok közös felépítésének megértése GAN-alkalmazások oktatása, optimalizálása és telepítése TensorFlow és Keras használatával Generatív modellek építése valós adathalmazokkal, beleértve a 2D és 3D adatokat is Könyv leírása

A generatív adverzális hálózatok (GAN-ok) fejlesztése összetett feladat, és gyakran nehéz könnyen érthető kódot találni.

Ez a könyv nyolc különböző példán keresztül vezeti végig a modern GAN-implementációkat, köztük a CycleGAN-t, a simGAN-t, a DCGAN-t és a 2D-s képből 3D-s modellgenerálást. Minden fejezet hasznos recepteket tartalmaz egy közös Python, TensorFlow és Keras architektúrára építve, hogy az egyre nehezebb GAN-architektúrákat könnyen olvasható formában fedezhesse fel. A könyv a GAN-architektúrák különböző típusainak ismertetésével kezdődik, hogy segítsen megérteni a modell működését. A könyv intuitív recepteket is tartalmaz, amelyek segítenek a DCGAN-t, Pix2Pixet stb. tartalmazó felhasználási esetekkel való munkavégzésben. Ahhoz, hogy megértse ezeket az összetett alkalmazásokat, különböző valós adathalmazokat fog használni.

A könyv végére a GAN-modellekkel való munka során felmerülő kihívások és problémák kezelésére is felkészül, köszönhetően a könnyen követhető, azonnal alkalmazható kódmegoldásoknak. Amit tanulni fogsz Egy GAN-architektúra felépítése pszeudokódban A közös architektúra megértése az egyes GAN-modellekhez, amelyeket építeni fogsz Különböző GAN-architektúrák megvalósítása TensorFlow-ban és Kerasban Különböző adathalmazok használata a neurális hálózati funkciók GAN-modellekben való engedélyezéséhez Különböző GAN-modellek kombinálása és megtanulja, hogyan lehet őket finomhangolni Olyan modell létrehozása, amely képes 2D-s képeket venni és 3D-s modelleket létrehozni Stílusátvitelre alkalmas GAN fejlesztése Pix2Pix segítségével Kiknek szól ez a könyv?

Ez a könyv az adattudósok, a gépi tanulás fejlesztői és a mély tanulási szakemberek számára készült, akik gyors referenciát keresnek a GAN-tartomány kihívásainak és feladatainak megoldásához. A gépi tanulás fogalmainak ismerete és a Python programozási nyelv munkaképes ismerete segít abban, hogy a legtöbbet hozza ki a könyvből. Tartalomjegyzék Mi az a generatív adverzális hálózat? Data First - Hogyan készítsük elő az adatállományt Az első GAN-om kevesebb mint 100 sorban Új konyhákat álmodunk a DCGAN segítségével Pix2Pix Kép-kép fordítási stílus Képátvitel a CycleGAN segítségével Szimulált képek használata fotórealisztikus szemgolyók készítéséhez a simGAN segítségével Képből 3D modellekbe a GAN-ok segítségével A GAN-ok segítségével