适读人群：
本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。
1、本书第2版跟踪近两年生成对抗网络（GAN）技术的发展和变化，包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容，新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与第1版内容有机地结合，深入浅出地阐述了生成对抗网络技术原理和演进，通过代码实例揭示了生成对抗网络技术实际应用的方法，方便读者学习入门。
2、书中所有示例代码基于Tensorflow2.0进行了更新，全部支持在Tensorflow2.0环境下运行，方便读者上手实践，深入了解技术实现细节。
3、读者可在华章图书网站该书网页下载书中全部示例代码。
从2014年至今，与GAN有关的论文数量急剧增加，从谷歌学术的数据来看，数量仍在不断增加中。究其原因，除了科学研究本身的魅力之外，诸如文本到图像的生成、图像到图像的生成等应用研究也让业界非常兴奋，给人工智能领域带来诸多可能性。
本书是GAN的入门书籍，结合基础理论、工程实践进行讲解，深入浅出地介绍GAN的技术发展以及各类衍生模型。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能技术爱好者。书中包含GAN的理论知识与代码实践（示例代码可以从华章官网搜索下载），可帮助读者理解GAN的技术原理与实现细节。
本书主要内容
人工智能入门知识与开发工具
GAN的理论与实践
DCGAN、WGAN、cGAN等主流GAN衍生模型
文本到图像、图像到图像以及离散数据的生成方法
GAN与强化学习的关联
BigGAN、StyleGAN等前沿GAN模型
多媒体与艺术设计领域中的GAN应用
作者简介:
史丹青 同济大学博士研究生，专业方向为人工智能与数据设计，在计算机顶级会议上发表多篇智能生成相关论文。曾担任语忆科技联合创始人兼技术负责人，拥有多年人工智能领域创业与实战经验，具备深度学习、自然语言处理以及数据可视化等相关知识与技能。他是人工智能技术的爱好者，喜欢拥抱一切新兴科技，并始终坚信技术分享和开源精神的力量。
目录:
第 1 章 人工智能入门 1
第 2 章 预备知识与开发工具 21
第 3 章 理解生成对抗网络 40
第 4 章 深度卷积生成对抗网络 64
第 5 章 Wasserstein GAN 84
第 6 章 不同结构的 GAN 104
第 7 章 文本到图像的生成 120
第 8 章 图像到图像的生成 136
第 9 章 序列数据的生成 183
第 10 章 GAN 与强化学习及逆向强化学习 192
第 11 章 新一代 GAN 202
第 12 章 GAN 的应用与发展 211
点击下载