Kézzelfogható generatív adverzális hálózatok a PyTorch 1.x segítségével

Olvasói vélemények

A könyv jó fogadtatásra talált a PyTorch-ban található világos példák és a GAN-okkal kapcsolatos kulcsfontosságú témák erős lefedettsége miatt, bár néhány felhasználó úgy érzi, hogy a magyarázatokon lehetne javítani.

⬤ Tiszta példák PyTorch-ban
⬤ a GAN-okkal kapcsolatos kulcsfontosságú témák kiváló lefedettsége
⬤ nagyon didaktikus kódmagyarázatok.

A magyarázatokon lehetne javítani; egyes felhasználók szerint a jobb megértés érdekében más könyvekkel együtt kellene használni.

(4 olvasói vélemény alapján)

Eredeti címe:

Hands-On Generative Adversarial Networks with PyTorch 1.x

Könyv tartalma:

Alkalmazza a mélytanulási technikákat és a neurális hálózati módszereket a generatív hálózati modellek létrehozásához, képzéséhez és optimalizálásához Főbb jellemzők GAN-architektúrák alkalmazása képek, szöveg, hang, 3D modellek és egyéb anyagok generálásához Értse meg, hogyan működnek a GAN-ok, és legyen aktív résztvevője a nyílt forráskódú közösségnek Tanulja meg, hogyan generálhat fotórealisztikus képeket szöveges leírások alapján Könyv leírása

A folyamatosan fejlődő kutatás és fejlesztés révén a generatív adverzális hálózatok (GAN-ok) a következő nagy dobás a mélytanulás területén. Ez a könyv kiemeli a GAN-ok legfontosabb fejlesztéseit a generatív modellekhez képest, és gyakorlati példák segítségével eligazít a GAN-ok legjobb kihasználásában.

Ez a könyv azzal kezdi, hogy végigvezeti Önt az alapvető fogalmakon, amelyek szükségesek ahhoz, hogy megértse, hogyan működnek a GAN-modellek egyes összetevői. Megalkotja első GAN-modelljét, hogy megértse, hogyan működnek a generátor- és diszkriminátorhálózatok. Ahogy halad előre, számos példában és adatkészletben fog elmélyedni, hogy a PyTorch funkcionalitásait és szolgáltatásait használva különféle GAN-hálózatokat építsen, és jól megismerje a képgenerálás, -fordítás és -helyreállítás architektúráit, képzési stratégiáit és kiértékelési módszereit. Megtanulja még azt is, hogyan alkalmazza a GAN modelleket olyan területek problémáinak megoldására, mint a számítógépes látás, a multimédia, a 3D modellek és a természetes nyelvi feldolgozás (NLP). A könyv kitér arra, hogyan lehet leküzdeni a generatív modellek nulláról való felépítése során felmerülő kihívásokat. Végül azt is megtudhatja, hogyan képezheti ki a GAN-modelleket úgy, hogy ellenséges példákat generáljon más CNN- és GAN-modellek támadásához.

A könyv végére megtanulja, hogyan kell újgenerációs GAN-modelleket építeni, képezni és optimalizálni, és hogyan lehet azokat különböző valós problémák megoldására használni. Amit megtanulhat A PyTorch legújabb funkcióinak implementálása a hatékony modelltervezés biztosítása érdekében Megismerkedhet a GAN-modellek működési mechanizmusaival Stílustranszfert végezhet a nem párosított képgyűjtemények között a CycleGAN segítségével 3D-GAN-okat építhet és képezhet 3D objektumok pontfelhőjének létrehozásához Különböző GAN-modellek létrehozása különböző képszintézis műveletek elvégzéséhez A SEGAN használata a zaj elnyomására és a beszédhang minőségének javítására Kiknek szól ez a könyv?

Ez a GAN-könyv a gépi tanulással foglalkozó szakemberek és mélytanulással foglalkozó kutatók számára készült, akik gyakorlati útmutatást szeretnének kapni a GAN-modellek PyTorch használatával történő megvalósításához. Valós példák segítségével megismerkedhet a legkorszerűbb GAN-architektúrákkal. A könyvben tárgyalt fogalmak megértéséhez szükséges a Python programozási nyelv munkatudása. Tartalomjegyzék Generatív adverzális hálózatok alapjai Kezdő lépések a PyTorch programmal 1. 3 Legjobb gyakorlatok a modelltervezéshez és -képzéshez Az első GAN megalkotása a PyTorch segítségével Képek generálása címkézési információ alapján Kép-kép fordítás és alkalmazásai Képrekonstrukció GAN-okkal A GAN-ok képzése különböző modellek megtörésére Képgenerálás leíró szövegből Szekvenciaszintézis GAN-okkal 3D modellek rekonstruálása GAN-okkal.