開啟主選單
求真百科
搜尋
檢視 PyTorch生成对抗网络编程 的原始碼
←
PyTorch生成对抗网络编程
由於下列原因,您沒有權限進行 編輯此頁面 的動作:
您請求的操作只有這個群組的使用者能使用:
用戶
您可以檢視並複製此頁面的原始碼。
{| class="wikitable" align="right" |- |<center><img src=https://www0.kfzimg.com/sw/kfzimg/2712/023f30880a43811dc8_s.jpg width="260"></center> <small>[https://book.kongfz.com/495835/7323945155 来自 孔夫子网 的图片]</small> |} 《'''PyTorch生成对抗网络编程'''》,[英] 塔里克·拉希德 著,出版社: 人民邮电出版社。 人民邮电出版社,1953年10月成立,隶属于中国工信出版传媒集团,是[[工业]]和信息化部主管的大型专业出版社<ref>[http://www.zhongyw.com.cn/news/show-53574.html 我国出版社的等级划分和分类标准],知网出书,2021-03-01</ref>。建社以来,人民邮电出版社围绕“立足工信事业,面向现代[[社会]],传播科学知识,引领美好生活”的出版宗旨,已发展成为集图书、[[期刊]]、音像电子及数字出版于一体的综合性出版大社<ref>[https://www.ptpress.com.cn/p/z/1625016162875.html 人民邮电出版社简介],人民邮电出版社</ref>。 ==内容简介== 生成对抗网络(Generative Adversarial Network,GAN)是神经网络领域的新星,被誉为“机器学习领域近20年来最酷的想法”。 本书以直白、简短的方式向读者介绍了生成对抗[[网络]],并且教读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和5个附录,分别介绍了PyTorch基础知识,用PyTorch开发神经网络,改良神经网络以提升效果,引入CUDA和GPU以加速GAN训练,以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题,包括计算平衡GAN的理想损失值、概率分布和采样,以及卷积如何工作,还简单解释了为什么梯度下降不适用于对抗式机器学习。 本书适合想初步了解GAN以及其工作原理的读者,也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生,本书可以帮助读者快速入门,为后续的学习打等 ==作者介绍== (英)塔里克·拉希德 著 韩江雷 译 塔里克·拉希德(Tariq Rashid),拥有[[物理学]]学士学位、机器学习和数据挖掘硕士学位。他常年活跃于伦敦的技术圈子,领导并组织伦敦Python聚会小组(近3000名成员)。 译者简介: 韩江雷,新加坡南洋理工大学计算机专业博士,思爱普公司(新加坡)数据科学家。他的研究兴趣有自然语言处理、文本数据分析、数据挖掘等项目的落地及运维。 ==参考文献== [[Category:040 類書總論;百科全書總論]]
返回「
PyTorch生成对抗网络编程
」頁面