了得網計算機/網絡_生成對抗網絡入門指南

產品特色

編輯推薦

人工智能不僅贏得了圍棋的*對決，而且隨著2018年10月25日一幅由AI繪制的名為《埃德蒙·貝拉米肖像》的畫作，在美國紐約佳士得拍賣行以43.2的價格售出，人工智能技術也裡程碑式地進入繪畫藝術市場。那麼，想了解AI技術是如何完成繪畫藝術創作的呢？本書為你揭開其中利用生成對抗網絡（GAN）技術進行繪畫的奧秘。

《生成對抗網絡入門指南》是一本結合了基礎理論與工程實踐的GAN入門書籍，深入淺出地講解了GAN的技術發展以及各種衍生模型。本書面向機器學習從業人員、高校相關專業學生以及具備一定基礎的人工智能愛好者，書中包含GAN的理論知識和代碼實踐。通過閱讀本書，讀者可以理解GAN的技術原理與實現方法。

內容簡介

本書是結合基礎理論與工程實踐的入門型書籍，深入淺出地講解了生成對抗網絡的各類模型以及技術發展。

本書主要內容：

l 人工智能入門知識與開發工具

l GAN的理論與實踐

l DCGAN，WGAN，cGAN等主流GAN衍生模型的介紹

l 文本到圖像的生成與圖像到圖像的生成

多媒體與藝術設計領域中的GAN應用

作者簡介

史丹青,語憶科技聯合創始人兼技術負責人，畢業於同濟大學電子信息工程繫。擁有多年時間的AI領域創業與實戰經驗，具備深度學習、自然語言處理以及數據可視化等相關知識與技能。是AI技術的愛好者，並擁抱一切新興科技，始終堅信技術分享和開源精神的力量。

前言
第1章人工智能入門 1
1.1人工智能的歷史與發展 1
1.1.1人工智能的誕生 3
1.1.2人工智能的兩起兩落 6
1.1.3新時代的人工智能 7
1.2機器學習與深度學習 10
1.2.1機器學習分類 11
1.2.2神經網絡與深度學習 12
1.2.3深度學習的應用 13
1.3了解生成對抗網絡 15
1.3.1從機器感知到機器創造 15
1.3.2什麼是生成對抗網絡 19
1.4本章小結 20前言
第1章人工智能入門 1
1.1人工智能的歷史與發展 1
1.1.1人工智能的誕生 3
1.1.2人工智能的兩起兩落 6
1.1.3新時代的人工智能 7
1.2機器學習與深度學習 10
1.2.1機器學習分類 11
1.2.2神經網絡與深度學習 12
1.2.3深度學習的應用 13
1.3了解生成對抗網絡 15
1.3.1從機器感知到機器創造 15
1.3.2什麼是生成對抗網絡 19
1.4本章小結 20
第2章預備知識與開發工具 21
2.1Python語言與開發框架 21
2.1.1Python語言 21
2.1.2常用工具簡介 23
2.1.3第三方框架簡介 26
2.2TensorFlow基礎入門 27
2.2.1TensorFlow簡介與安裝 27
2.2.2TensorFlow使用入門 30
2.2.3Tensorflow實例：圖像分類 31
2.3Keras基礎入門 33
2.3.1Keras簡介與安裝 33
2.3.2Keras使用入門 34
2.3.3Keras實例：文本情感分析 36
2.4Floyd：使用深度學習雲平臺運行程序 38
2.4.1深度學習雲平臺簡介 38
2.4.2Floyd使用入門 39
2.4.3Floyd實例：神經網絡風格轉換 43
2.5本章小結 45
第3章理解生成對抗網絡 46
3.1生成模型 46
3.1.1生成模型簡介 46
3.1.2自動編碼器 47
3.1.3變分自動編碼器 50
3.2GAN的數學原理 52
3.2.1似然估計 52
3.2.2生成對抗網絡的數學推導 55
3.3GAN的可視化理解 58
3.4GAN的工程實踐 59
3.5本章小結 67
第4章深度卷積生成對抗網絡 68
4.1DCGAN的框架 68
4.1.1DCGAN設計規則 68
4.1.2DCGAN框架結構 72
4.2DCGAN的工程實踐 73
4.3DCGAN的實驗性應用 79
4.3.1生成圖像的變換 79
4.3.2生成圖像的算術運算 81
4.3.3殘缺圖像的補全 83
4.4本章小結 85
第5章Wasserstein GAN 86
5.1GAN的優化問題 86
5.2WGAN的理論研究 89
5.3WGAN的工程實踐 92
5.4WGAN的實驗效果分析 96
5.4.1代價函數與生成質量的相關性 96
5.4.2生成網絡的穩定性 97
5.4.3模式崩潰問題 99
5.5WGAN的改進方案：WGAN-GP 100
5.6本章小結 104
第6章不同結構的GAN 105
6.1GAN與監督式學習 105
6.1.1條件式生成：cGAN 105
6.1.2cGAN在圖像上的應用 106
6.2GAN與半監督式學習 110
6.2.1半監督式生成：SGAN 110
6.2.2輔助分類生成：ACGAN 112
6.3GAN與無監督式學習 113
6.3.1無監督式學習與可解釋型特征 113
6.3.2理解InfoGAN 115
6.4本章小結 119
第7章文本到圖像的生成 120
7.1文本條件式生成對抗網絡 120
7.2文本生成圖像進階：GAWWN 123
7.3文本到高質量圖像的生成 127
7.3.1層級式圖像生成：StackGAN 128
7.3.2層級式圖像生成的優化：StackGAN-v2 132
7.4本章小結 135
第8章圖像到圖像的生成 136
8.1可交互圖像轉換：iGAN 136
8.1.1可交互圖像轉換的用途 136
8.1.2iGAN的實現方法 138
8.1.3iGAN軟件簡介與使用方法 140
8.2匹配數據圖像轉換：Pix2Pix 143
8.2.1理解匹配數據的圖像轉換 143
8.2.2Pix2Pix的理論基礎 145
8.2.3Pix2Pix的應用實踐 150
8.3非匹配數據圖像轉換：CycleGAN 157
8.3.1理解非匹配數據的圖像轉換 157
8.3.2CycleGAN的理論基礎 160
8.3.3CycleGAN的應用實踐 162
8.4多領域圖像轉換：StarGAN 166
8.4.1多領域的圖像轉換問題 166
8.4.2StarGAN的理論基礎 169
8.4.3StarGAN的應用實踐 171
8.5本章小結 177
第9章GAN的應用：從多媒體到藝術設計 178
9.1GAN在多媒體領域的應用 178
9.1.1圖像去模糊 178
9.1.2人臉生成 181
9.1.3音頻合成 184
9.2GAN與AI藝術 188
9.2.1AI能否創造藝術 188
9.2.2AI與計算機藝術的發展 190
9.2.3藝術生成網絡：從藝術模仿到創意生成 196
9.3GAN與AI設計 202
9.3.1AI時代的設計 202
9.3.2AI輔助式設計的研究 205
9.4本章小結 212
第10章GAN研究熱點 213
10.1評估與優化 213
10.2對抗攻擊 216
10.3發展中的GAN 219
參考文獻 222

前言

生成對抗網絡（GAN）毫無疑問是當下熱門的人工智能技術之一，被美國《麻省理工科技評論》評為2018年“全球十大突破性技術”。從2014年至今，與GAN有關的論文數量急速上升，網絡上有人整理了近年來的GAN模型，截至2018年2月已經有超過350個不同形態的變種，並且數量仍然在持續增加中。在圖像生成模型的質量上，生成對抗網絡技術可以說實現了飛躍，很多衍生模型已經在一定程度上解決了特定場景中的圖像生成問題。此外，諸如文本到圖像的生成、圖像到圖像的生成等應用研究也讓工業界與學術界都非常“興奮”，為人工智能行業帶來了非常多的可能性。
目前網絡上關於生成對抗網絡的介紹林林總總，越來越多的人對它的出現感到好奇，想知道計算機是如何通過博弈的方法來進行自我優化的。我也曾在知乎上寫過一篇介紹性文章，但寫完之後總覺得不夠盡興，希望有機會把這個領域相對完整的知識體繫呈現在初學者面前，並幫助那些對人工智能技術感興趣的朋友，讓他們盡量少走一些彎路，更直觀地了解這個前沿的新興領域。生成對抗網絡（GAN）毫無疑問是當下熱門的人工智能技術之一，被美國《麻省理工科技評論》評為2018年“全球十大突破性技術”。從2014年至今，與GAN有關的論文數量急速上升，網絡上有人整理了近年來的GAN模型，截至2018年2月已經有超過350個不同形態的變種，並且數量仍然在持續增加中。在圖像生成模型的質量上，生成對抗網絡技術可以說實現了飛躍，很多衍生模型已經在一定程度上解決了特定場景中的圖像生成問題。此外，諸如文本到圖像的生成、圖像到圖像的生成等應用研究也讓工業界與學術界都非常“興奮”，為人工智能行業帶來了非常多的可能性。
目前網絡上關於生成對抗網絡的介紹林林總總，越來越多的人對它的出現感到好奇，想知道計算機是如何通過博弈的方法來進行自我優化的。我也曾在知乎上寫過一篇介紹性文章，但寫完之後總覺得不夠盡興，希望有機會把這個領域相對完整的知識體繫呈現在初學者面前，並幫助那些對人工智能技術感興趣的朋友，讓他們盡量少走一些彎路，更直觀地了解這個前沿的新興領域。
本書面向機器學習從業人員、高校相關專業學生以及具備一定基礎的人工智能領域愛好者，書中包含了生成對抗網絡的理論知識與項目實踐。通過本書的學習，讀者可理解生成對抗網絡的技術原理，並通過書中的代碼實例了解技術細節。本書盡量避免出現需要高性能計算設備纔可以運行的項目，希望讀者在感受到生成對抗網絡的魅力之後，有機會在自己的設備上嘗試運行一些項目。隻有通過不斷實踐，纔能真正理解生成對抗網絡，並將其應用到自己的學習與工作中。
本書主要內容
本書共10章。第1章為入門章節，介紹了人工智能領域目前的發展狀況，以及生成對抗網絡的基本概念及其在整個研究領域中的狀況。由於第1章不涉及機器學習與深度學習的理論與實踐細節，但在之後的生成對抗網絡學習中會用到相關概念，因此希望讀者自己補全這些基礎知識。
第2章是編程基礎章節，是對機器學習與深度學習編程語言、框架以及工具的介紹，涉及的內容包括Python語言及第三方工具、TensorFlow框架、Keras框架以及深度學習雲平臺Floyd。如果讀者已經具備深度學習領域的編程基礎，可以選擇性地跳過本章部分內容。
第3章討論生成對抗網絡的整體理論框架，本書會按照基礎概念、理論推導、可視化理解以及具體工程實踐的順序來帶領大家認識GAN。後的代碼部分使用TensorFlow實現，由於不會涉及大量的運算，讀者可以按照書中的示例直接在筆記本電腦上運行代碼，以幫助加深對知識的理解。
第4章到第6章在原始GAN的基礎上介紹各種不同結構，但都是具有標志性特點的GAN。正因為有這樣的多樣性，纔使得該領域一直充滿活力。
第4章介紹基於深度卷積神經網絡的生成對抗網絡（DCGAN），這是一種在圖像生成領域非常流行的框架結構，由於對於卷積層的使用以及一些其他的優化，使得模型在圖像生成的時候具有更高的質量。本書會使用Keras框架的代碼來搭建面向手寫數據集的DCGAN整體框架以及訓練代碼。在Keras的幫助下，我們可以比較簡便地完成整個模型，這也是深度學習框架帶來的便利。由於使用了卷積層，在筆記本電腦上運行可能需要花費一些時間，如果希望快速得出結果，讀者可以使用第2章介紹的雲平臺進行雲端的GPU運算。終，這一章還會給出DCGAN的一些創新性應用，這也為之後GAN在多媒體領域的應用打下了基礎。
第5章首先介紹了目前GAN結構存在的問題，並由這個問題出發提出了業界非常著名的模型WGAN。WGAN的理論推導看起來有些復雜，但是終得出的優化方法卻簡單得令人喫驚。本章的實踐部分是在DCGAN的Keras代碼基礎上進行修改的，終讀者會發現隻需要幾處代碼調整就可以完成理論上更優的模型設計。這也從另一個側面反映了理論研究的重要性，隻有真正懂得事物背後的道理，纔能給出優秀的方案。這一章後會給出對於WGAN算法本身的改進—WGAN-GP，官方也給出了開源代碼，WGAN-GP屬於業界比較優秀的方案，大量的論文都拿它作為比較對像。
第6章涉及一些不同結構的GAN，將它們大致分為三個部分，包括監督式學習、半監督式學習與無監督式學習。在這一章中我們也可以看到GAN各種各樣的可能性，比如在有標簽的條件式生成對抗網絡（cGAN）的幫助下，我們可以根據設定好的標簽來進行具體分類圖片的生成，而通過無標簽生成的InfoGAN可以讓隱含編碼（latent code）中的每一維都具有實際意義，並通過調節輸入的參數對生成內容進行定制。
第7章與第8章的核心思想建立在條件式GAN研究的基礎上，但是方法和網絡都做了進一步的改進。第7章為文本到圖像的生成，用戶隻需輸入一句話就可以得到想要的圖像。而第8章則是用戶根據自己提供的圖像終呈現出圖像中的理想畫面，其中涉及知名的算法Pix2Pix以及CycleGAN等。這些項目的源碼大多是開源的，感興趣的讀者可以根據官網或書中提供的方法對這些模型應用進行試驗。
上面的章節大多從理論出發，但是終都會涉及具體的應用場景。第9章希望為讀者更具體地介紹GAN的應用層面，從多媒體領域到藝術與設計領域，展示GAN在這些行業的發展中提供了怎樣的幫助。由於GAN還是一項非常“年輕”的技術，因此也希望通過這一章的內容來啟發讀者，在實際工作與科研過程中進一步思考還有什麼更好的應用場景，也許它會成為你使用人工智能技術改變的下一個行業。
第10章為收尾章節，希望能夠為初次學習GAN或者對GAN技術有著濃厚興趣的讀者提供一些行業研究的熱點方向。生成對抗網絡是當下深度學習領域的研究熱點，也是一項正在飛速發展的技術，考慮到內容的時效性，本書網站https://ganbook.org會持續更新科研方向與動態。
致謝
首先要感謝學術界數不清的優秀科研人員耕耘在科學技術的前沿，正是他們產出的高質量研究成果以及論文推動著時代的發展，帶來了這個全新的人工智能時代。本書也是站在巨人的肩膀上，大量參考了相關的文獻材料，沒有這些研究者就沒有本書的誕生。也要感謝互聯網上願意分享的優秀技術博主和開發者，我從他們的分享中學到了太多太多。感謝開源平臺GitHub聚集了數不清的開發者，開源精神讓開發變得更加便捷，也讓知識傳播變得更加高效。
感謝機械工業出版社華章公司的朱捷先生對我的支持，在我寫作的過程中提供了非常多的思路與幫助，正是他對我的認可和鼓勵促使我完成本書。感謝蔚馨女士對本書的校對和編輯，並為本書提供了大量高質量的素材。此外也感謝所有為本書的出版付出努力的工作者。
後感謝我的父母以及教導我的老師們，是他們的栽培成就了現在的我，在這裡再一次感恩他們對我的付出。
與我聯繫
讀者可以通過知乎（https://www.zhihu.com/people/shidanqing）與我取得聯繫，很樂意收到你的私信，並與你進行相關技術的交流。另外我也會維護一個收集讀者與專家建議及反饋的網站（https://ganbook.org），一些源碼以及未來的技術更新會同步在這個網站上。敬請各位讀者與行業專家對本書不足的地方予以批評和指正。

商品搜索

商品分类

【醫學】

【各大出版社】