更新时间：2021-01-25 17:50:29
封面
版权信息
版权
版权声明
内容提要
译者序
前言
人工智能（AI）大爆炸！
创意人工智能
年轻的GAN
本书适合的读者
如何使用本书
神经网络
免费和开源内容
作者的话
资源与支持
第1章 PyTorch和神经网络
1.1 PyTorch入门
1.2 初试PyTorch神经网络
1.3 改良方法
1.4 CUDA基础知识
第2章 GAN初步
2.1 GAN的概念
2.2 生成1010格式规律
2.3 生成手写数字
2.4 生成人脸图像
第3章 卷积GAN和条件式GAN
3.1 卷积GAN
3.2 条件式GAN
3.3 结语
附录A 理想的损失值
A.1 MSE损失
A.2 BCE损失
附录B GAN学习可能性
B.1 GAN不会记忆训练数据
B.2 简单的例子
B.3 从一个概率分布中生成图像
B.4 为图像特征学习像素组合
B.5 多模式以及模式崩溃
附录C 卷积案例
C.1 例1: 卷积，步长为1，无补全
C.2 例2: 卷积，步长为2，无补全
C.3 例3: 卷积，步长为2，有补全
C.4 例4: 卷积，不完全覆盖
C.5 例5: 转置卷积，步长为2，无补全
C.6 例6: 转置卷积，步长为1，无补全
C.7 例7: 转置卷积，步长为2，有补全
C.8 计算输出大小
附录D 不稳定学习
D.1 梯度下降是否适用于训练GAN
D.2 简单的对抗案例
D.3 梯度下降并不适合对抗博弈
D.4 为什么是圆形轨迹
附录E 相关数据集和软件
E.1 MNIST数据集
E.2 CelebA数据集
E.3 英伟达和谷歌
E.4 开源软件
