《实战GAN：TensorFlow与Keras生成对抗网络构建》通过多个不同的生成对抗网络（GAN）架构的实现来帮助读者更好地理解生成对抗网络背后的原理及其构建方式。书中还提供了大量易于理解并可以直接使用的GAN代码及其部署方式和数据集，以帮助读者更快地上手解决工作中所面临的问题并积极应对相关挑战。
《实战GAN：TensorFlow与Keras生成对抗网络构建》适合数据科学家、算法工程师、数据挖掘工程师以及机器学习领域相关的从业人员用来学习使用全新的深度学习技术解决工作中的问题，也适合机器学习和深度学习的爱好者、初学者用来体验深度学习的魅力。
《实战GAN：TensorFlow与Keras生成对抗网络构建》适合数据科学家、算法工程师、数据挖掘工程师以及机器学习领域相关的从业人员用来学习使用全新的深度学习技术解决工作中的问题，也适合机器学习和深度学习的爱好者、初学者用来体验深度学习的魅力。
100余条实效秘诀 基于Python 大量可用代码 覆盖CycleGAN|SimGAN|DCGAN|Pix2Pix
开发生成对抗网络（Generative Adversarial Network，GAN）是一项十分复杂的任务，通常也很难找到很容易就能够理解的相关代码。本书将通过多个不同的GAN实现样例，包括CycleGAN、SimGAN、DCGAN以及使用到GAN的模仿学习来帮助你了解GAN。本书的各章采用了统一的编排结构，使用Python和Keras，帮助你以一种易于理解的方式由浅入深地来了解GAN的架构。
本书覆盖了多个不同类型的GAN架构来帮助你更好地理解模型的工作原理。你将会学习如何执行诸如生成超解析图像、文字到图像的转换，以及生成带字幕视频等任务的关键操作步骤。此外，你还会用到DCGAN和deepGAN。为了帮助你在复杂的工作场景下更好地应用这些技术，本书将会使用多个真实世界中的数据集作为示例。
在本书的最后，通过这些易于理解的代码方案，你应该可以应对工作中和GAN模型相关的问题和挑战，并能快速地上手实现自己的GAN模型。
本书的目标读者
本书的目标读者是数据科学家、机器学习（Machine Learning，ML）开发者，以及需要一个处理GAN领域问题和任务快速索引的深度学习从业者。熟悉机器领域中的相关概念以及工作中使用Python的经验会帮助你更好地理解本书内容。
本书内容
第1章介绍GAN的架构并介绍每一种实现。
第2章处理与数据相关的基础工作、数据强化，以及对有大量离群数据的数据集进行平衡。
第3章介绍如何通过Keras、TensorFlow和Docker将我们已经讨论过的理论进行具体应用，并制作一个简单的GAN模型。
第4章介绍构建深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Network，DCGAN）所需的构建块。
第5章介绍Pix2Pix的工作流程及其实现。
第6章介绍CycleGAN是什么，如何解析CycleGAN数据集，以及如何实现CycleGAN。
第7章介绍SimGAN的工作原理及其实现。
第8章介绍3D模型以及使用图片实现3D模型的技术。
预备知识
熟悉Python的相关基础知识是阅读本书的必备条件，了解机器学习的相关概念会帮助你更好地理解本书内容。
下载样例代码文件
你可以在GitHub上找到所需要的代码，参见https://github.com/PacktPublishing/ Generative-Adversarial-Networks-Cookbook。
章节
在本书中，你会经常看到相同的标题（准备工作、工作流程、工作原理、更多内容、参考内容）。
为了更好地了解本书的内容，你可以按照下面的方式来对待这些章节。
准备工作
本节将概述这一部分的内容，介绍如何安装相关的软件或必需的设置。
工作流程
本节包含这一部分所必需的执行步骤。
工作原理
本节通常包含了对“工作流程”一节内容的具体解释。
更多内容
本节包含了帮助你更好地了解这一部分内容的更多信息。
参考内容
本节提供了和本部分相关的其他有用信息。
本书覆盖了多个不同类型的GAN架构来帮助你更好地理解模型的工作原理。你将会学习如何执行诸如生成超解析图像、文字到图像的转换，以及生成带字幕视频等任务的关键操作步骤。此外，你还会用到DCGAN和deepGAN。为了帮助你在复杂的工作场景下更好地应用这些技术，本书将会使用多个真实世界中的数据集作为示例。
在本书的最后，通过这些易于理解的代码方案，你应该可以应对工作中和GAN模型相关的问题和挑战，并能快速地上手实现自己的GAN模型。
本书的目标读者
本书的目标读者是数据科学家、机器学习（Machine Learning，ML）开发者，以及需要一个处理GAN领域问题和任务快速索引的深度学习从业者。熟悉机器领域中的相关概念以及工作中使用Python的经验会帮助你更好地理解本书内容。
本书内容
第1章介绍GAN的架构并介绍每一种实现。
第2章处理与数据相关的基础工作、数据强化，以及对有大量离群数据的数据集进行平衡。
第3章介绍如何通过Keras、TensorFlow和Docker将我们已经讨论过的理论进行具体应用，并制作一个简单的GAN模型。
第4章介绍构建深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Network，DCGAN）所需的构建块。
第5章介绍Pix2Pix的工作流程及其实现。
第6章介绍CycleGAN是什么，如何解析CycleGAN数据集，以及如何实现CycleGAN。
第7章介绍SimGAN的工作原理及其实现。
第8章介绍3D模型以及使用图片实现3D模型的技术。
预备知识
熟悉Python的相关基础知识是阅读本书的必备条件，了解机器学习的相关概念会帮助你更好地理解本书内容。
下载样例代码文件
你可以在GitHub上找到所需要的代码，参见https://github.com/PacktPublishing/ Generative-Adversarial-Networks-Cookbook。
章节
在本书中，你会经常看到相同的标题（准备工作、工作流程、工作原理、更多内容、参考内容）。
为了更好地了解本书的内容，你可以按照下面的方式来对待这些章节。
准备工作
本节将概述这一部分的内容，介绍如何安装相关的软件或必需的设置。
工作流程
本节包含这一部分所必需的执行步骤。
工作原理
本节通常包含了对“工作流程”一节内容的具体解释。
更多内容
本节包含了帮助你更好地了解这一部分内容的更多信息。
参考内容
本节提供了和本部分相关的其他有用信息。
下载资源
电子书版本
- Epub
为什么注册之后就打不开下载代码的页面了
代码在哪里可以下载？