Ocena:
Książka oferuje techniczny przegląd generatywnych sieci adwersarzy (GAN) z silnym naciskiem na zastosowania, ale cierpi z powodu wąskiego zakresu, niewystarczających wyjaśnień matematycznych i praktycznych kwestii użytkowych. Chociaż może służyć jako wprowadzenie do tematu, czytelnicy oczekują głębszych spostrzeżeń i szerszego zastosowania, których brakuje.
Zalety:⬤ Zapewnia solidny przegląd techniczny wyłaniającego się obszaru w głębokim uczeniu się.
⬤ Oferuje połączenie szczegółów technicznych i rzeczywistych zastosowań.
⬤ Entuzjastyczna dyskusja na temat nauki stojącej za kodem.
⬤ Wąskie skupienie się na wizji komputerowej, zaniedbując aplikacje tekstowe i ustrukturyzowane dane.
⬤ Brak wystarczającej głębi matematycznej i jasności w wyjaśnieniach.
⬤ Jakość treści spada w późniejszych rozdziałach.
⬤ Wiele przykładów i kodów jest powierzchownych lub zapożyczonych z innych źródeł.
⬤ Ogólnie sprawia wrażenie suchej i pozbawionej praktycznego zastosowania.
(na podstawie 7 opinii czytelników)
Gans in Action: Deep Learning with Generative Adversarial Networks
Systemy głębokiego uczenia stały się naprawdę świetne w identyfikowaniu wzorców w tekście, obrazach i wideo. Jednak aplikacje tworzące realistyczne obrazy, naturalne zdania i akapity lub tłumaczenia o natywnej jakości okazały się nieuchwytne. Generative Adversarial Networks (GAN) oferują obiecujące rozwiązanie tych wyzwań, łącząc dwie konkurujące ze sobą sieci neuronowe - jedną, która generuje treść, a drugą, która odrzuca próbki o niskiej jakości.
GAN w akcji: Deep learning with Generative Adversarial Networks uczy, jak budować i trenować własne generatywne sieci przeciwstawne. Po pierwsze, otrzymasz wprowadzenie do modelowania generatywnego i sposobu działania sieci GAN, wraz z przeglądem ich potencjalnych zastosowań. Następnie zaczniesz budować własny prosty system przeciwstawny, badając podstawy architektury GAN: generator i sieci dyskryminacyjne.
Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)