生成对抗网络入门指南（第2版）

生成对抗网络毫无疑问是当今热门的人工智能技术之一，曾被美国《麻省理工科技评论》评选为“全球十大突破性技术”。《生成对抗网络入门指南》是一本结合基础理论与工程实践的入门型书籍，深入浅出地讲解了生成对抗网络的各类模型以及技术发展。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。通过本书的学习，能够了解生成对抗网络的技术原理，并通过书中的代码实例深入技术细节。本书共分12个章节，其中前半部分分别介绍了目前研究领域已经较为成熟的生成对抗网络模型，比如DCGAN、WGAN等等，以及大量不同结构的生成对抗网络变种。本书后半部分介绍了文本到图像的生成、图像到图像的生成、离散数据的生成以及当前前沿的高质量生成技术，结尾总结了目前生成对抗网络在行业应用中的研究与发展。希望本书能够帮助广大读者跟上新技术的前沿，成为人工智能时代的先行者。

这是一本深入探讨生成对抗网络（GAN）的基础理论与工程实践的入门型书籍。该书深入浅出地讲解了生成对抗网络的各类模型以及技术发展，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。通过本书的学习，能够了解生成对抗网络的技术原理，并通过书中的代码实例深入技术细节。 本书共分12个章节，其中前半部分分别介绍了目前研究领域已经较为成熟的生成对抗网络模型，比如DCGAN、WGAN等等，以及大量不同结构的生成对抗网络变种。本书后半部分介绍了文本到图像的生成、图像到图像的生成、离散数据的生成以及当前前沿的高质量生成技术，结尾总结了目前生成对抗网络在行业应用中的研究与发展。 本书在内容安排上，首先介绍了人工智能的诞生与图灵测试，让读者了解生成对抗网络的发展历程。接着，介绍了Python语言的优势和版本，以及TensorFlow框架简介和安装，为后续的学习打下基础。 本书深入探讨了生成对抗网络的训练过程中的不稳定性问题，并介绍了WGAN-GP的改进方案，帮助读者理解生成对抗网络的优化问题及理论研究。此外，本书还介绍了自动编码器与变分自动编码器，以及GAN与强化学习的共同点