Książka kucharska generatywnych sieci adwersarzy

Opinie czytelników

Książka otrzymała mieszane recenzje od użytkowników, z których niektórzy chwalili jej praktyczne podejście do nauki sieci GAN, podczas gdy inni krytykowali jej jakość pisania i wizualną prezentację.

Oferuje praktyczne podejście do nauki GAN, przydatny podział kodu, odniesienia do oryginalnych artykułów i służy jako dobry punkt wyjścia do dalszej nauki uczenia maszynowego.

Słaba jakość tekstu, nieodpowiednie rysunki i wizualizacje, często marnuje czas czytelników niepotrzebnymi komentarzami, a kluczowe części kodu są często pomijane. Niektórzy czytelnicy uznali ją za trudną do przeczytania i żałują jej zakupu.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Generative Adversarial Networks Cookbook

Zawartość książki:

Uprość głębokie uczenie następnej generacji, wdrażając potężne modele generatywne przy użyciu Pythona, TensorFlow i Keras Kluczowe cechy Poznaj wspólną architekturę różnych typów GAN Trenuj, optymalizuj i wdrażaj aplikacje GAN przy użyciu TensorFlow i Keras Twórz modele generatywne z rzeczywistymi zestawami danych, w tym danymi 2D i 3D Opis książki

Tworzenie generatywnych sieci adwersarzy (GAN) jest złożonym zadaniem i często trudno jest znaleźć kod, który jest łatwy do zrozumienia.

Ta książka poprowadzi Cię przez osiem różnych przykładów nowoczesnych implementacji GAN, w tym CycleGAN, simGAN, DCGAN i generowanie obrazów 2D do modeli 3D. Każdy rozdział zawiera przydatne przepisy, które pozwalają wykorzystać wspólną architekturę w Pythonie, TensorFlow i Keras do odkrywania coraz trudniejszych architektur GAN w łatwym do odczytania formacie. Książka rozpoczyna się od omówienia różnych typów architektury GAN, aby pomóc zrozumieć, jak działa model. Książka ta zawiera również intuicyjne przepisy, które pomogą ci pracować z przypadkami użycia obejmującymi DCGAN, Pix2Pix i tak dalej. Aby zrozumieć te złożone aplikacje, będziesz korzystać z różnych rzeczywistych zestawów danych i wykorzystywać je.

Pod koniec tej książki będziesz przygotowany do radzenia sobie z wyzwaniami i problemami, które możesz napotkać podczas pracy z modelami GAN, dzięki łatwym do naśladowania rozwiązaniom kodowym, które możesz wdrożyć od razu. Czego się nauczysz Zbuduj architekturę GAN w pseudokodzie Zrozum wspólną architekturę dla każdego z modeli GAN, które zbudujesz Zaimplementuj różne architektury GAN w TensorFlow i Keras Użyj różnych zestawów danych, aby włączyć funkcjonalność sieci neuronowej w modelach GAN Połącz różne modele GAN i dowiedz się, jak je dostroić Stwórz model, który może pobierać obrazy 2D i tworzyć modele 3D Opracuj GAN do transferu stylu za pomocą Pix2Pix Dla kogo jest ta książka?

Ta książka jest przeznaczona dla naukowców zajmujących się danymi, programistów uczenia maszynowego i praktyków głębokiego uczenia, którzy szukają szybkiego odniesienia do wyzwań i zadań w domenie GAN. Znajomość koncepcji uczenia maszynowego i praktyczna znajomość języka programowania Python pomoże ci w pełni wykorzystać możliwości tej książki. Spis treści Czym jest Generative Adversarial Network? Najpierw dane - jak przygotować zbiór danych Moja pierwsza sieć GAN w mniej niż 100 wierszach Tworzenie nowych kuchni za pomocą DCGAN Pix2Pix Styl tłumaczenia obrazu na obraz Przenoszenie obrazu za pomocą CycleGAN Używanie symulowanych obrazów do tworzenia realistycznych gałek ocznych za pomocą simGAN Od obrazu do modeli 3D za pomocą sieci GAN