PyTorch生成对抗网络编程在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024

☆☆☆☆☆
简体网页||繁体网页

[英]塔里克·拉希德（Tariq Rashid）作者

异步图书

韩江雷译者

2020-12 出版日期

206 页数

69.00元价格

平装

异步图书深度学习系列丛书系列

9787115546388 图书编码

PyTorch生成对抗网络编程在线电子书图书标签:

喜欢 PyTorch生成对抗网络编程在线电子书的读者还喜欢

下载链接在页面底部

点击这里下载

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-11-22

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

PyTorch生成对抗网络编程在线电子书 epub 下载 mobi 下载 pdf 下载 txt 下载 2024

PyTorch生成对抗网络编程在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024

PyTorch生成对抗网络编程在线电子书用户评价

评分☆☆☆☆☆

挺有趣的一本书，风格和作者的第一本书一致，不过我并没有运行CelebA数据库相关的代码，这本书向我们讲述了生成对抗网络，包括卷积Gan和条件式Gan,循序渐进地从实践中讲明白一些基本都原理。这本书的作用在于入门，读起来挺快的。

评分☆☆☆☆☆

神

评分☆☆☆☆☆

内容非常不错，很详细的解释了原理，并且很通俗易懂，但是代码有一些问题，需要更新一下

评分☆☆☆☆☆

写的很好，深入浅出。GAN的核心思想，共分3步，第一，向鉴别器展示一个真实的样本，并告诉它分类为真；第二，向鉴别器展示一个生成器的输出，并告诉它分类为假；第三，向鉴别器展示一个生成器的输出，并告诉【生成器】分类为真（让生成器优化生成权重，以生成更好的图片）

评分☆☆☆☆☆

深入浅出，很好理解

PyTorch生成对抗网络编程在线电子书著者简介

作者简介：

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。

PyTorch生成对抗网络编程在线电子书图书目录

PyTorch生成对抗网络编程在线电子书 pdf 下载 txt下载 epub 下载 mobi 在线电子书下载

PyTorch生成对抗网络编程在线电子书图书描述

畅销书《Python神经网络编程》作者最新力作；

全彩印刷，配套示例代码，图文并茂，易懂实用；

从零开始，用PyTorch构建自己的生成对抗网络。

生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的一颗新星，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，指导读者如何使用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，为后续的学习打好基础。

PyTorch生成对抗网络编程在线电子书下载 mobi epub pdf txt 在线电子书下载

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

PyTorch生成对抗网络编程在线电子书读后感

评分☆☆☆☆☆

跟着作者的make your own neural network而来，在美亚上找到作者的新作。看豆瓣还没有，就给搬了过来。希望更多的人读到。目前读到第56页，跟着代码一步步走来。self.optimiser = torch.optim.Adam(self.parameters()) Rashid, Tariq. Make Your First GAN With PyTorch (p. 56...

评分☆☆☆☆☆