今天给大家带来的是人民邮电出版社提供赞助的《深入浅出GAN生成对抗网络》
(文末直接抽4本)
编辑推荐
市面上难得一见的既蕴含底层模型的数学之美,又注重操作实践的生成对抗网络入门到精通的好书。
企业一线开发工程师与应用型本科院校知名教师,双剑合璧,兼顾理论实战。
学者网创始人汤庸教授、《深度学习之美》作者张玉宏、景略集智CEO王文凯倾力推荐。
内容简介
1.容易入门:本书会讨论线性代数、微积分、概率论、信息论等内容,尽力只提及后面内容需要的数学知识,并从原理角度去讲解这块内容,为后面篇幅做好铺垫。
2.内容更深:介绍GAN 的各种变体时,除了介绍架构以外,还会讲解目标函数为何要这样设计,并从数学层面去推导证实,可以说本书比较重视不同类别GAN 架构的底层思想,并从数学上表示它。
3.涉及面广:囊括了GAN 的各个应用领域,包括传统GAN、DCGAN、CGAN、ColorGAN、CycleGAN、StarGAN、DTN、XGAN、WGAN、WGAN-GP、SN-GAN、StackGAN、StackGAN-v2、PGGGAN 等10 多个方向。
4.实战性强:提供了很多代码,并给出运行结果。考虑到篇幅原因,并没有将每个类别的所有代码都放上去,而是主要讲解生成器、判别器、损失定义、具体训练逻辑等主要内容。
推荐阅读
征稿启示| 200元稿费+5000DBC(价值20个小时GPU算力)
文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化
斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用
太赞了!Springer面向公众开放电子书籍,附65本数学、编程、机器学习、深度学习、数据挖掘、数据科学等书籍链接及打包下载
数学之美中盛赞的 Michael Collins 教授,他的NLP课程要不要收藏?
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区,专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享,主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等,欢迎关注!加技术交流群请添加AINLPer(id:ainlper),备注工作/研究方向+加群目的。
阅读至此了,点个在看吧👇