本書內(nèi)容

第1章，生成對抗網(wǎng)絡(luò)簡介。這一章首先介紹GAN相關(guān)概念，包括判別網(wǎng)絡(luò)、生成網(wǎng)絡(luò)、博弈論等。然后介紹生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)的架構(gòu)與目標(biāo)函數(shù)、GAN的訓(xùn)練算法、Kullback-Leibler散度和Jensen-Shannon散度、GAN的評估矩陣、GAN存在的各種問題、梯度消失和梯度爆炸問題、納什均衡、批歸一化，以及GAN正則化。

第2章，使用3D-GAN生成圖形。這一章簡單介紹3D-GAN和其架構(gòu)細(xì)節(jié)。這一章會訓(xùn)練一個可以生成現(xiàn)實世界3D圖形的3D-GAN。編寫代碼獲取3D ShapeNets數(shù)據(jù)集，進行數(shù)據(jù)清洗和訓(xùn)練預(yù)處理后，使用深度學(xué)習(xí)庫Keras構(gòu)建3D-GAN模型。

第3章，使用cGAN實現(xiàn)人臉老化。這一章介紹cGAN（conditional generative adversarial network，條件生成對抗網(wǎng)絡(luò)）和Age-cGAN。首先介紹數(shù)據(jù)準(zhǔn)備過程，包括數(shù)據(jù)下載、數(shù)據(jù)清洗以及數(shù)據(jù)格式處理。屆時會用到IMDb Wiki Images數(shù)據(jù)集。然后編寫代碼，使用Keras框架構(gòu)建一個Age-cGAN模型，并在IMDb Wiki Images數(shù)據(jù)集上進行訓(xùn)練。最后，用訓(xùn)練好的模型生成圖片，只需輸入年齡作為參數(shù)，模型就可以生成一個人在不同年齡的面部圖像。

第4章，使用DCGAN生成動畫人物。這一章首先介紹DCGAN以及數(shù)據(jù)準(zhǔn)備過程，包括獲取動畫人物的數(shù)據(jù)集、數(shù)據(jù)清洗以及訓(xùn)練預(yù)處理。我們會在Jupyter Notebook內(nèi)使用Keras構(gòu)建一個DCGAN模型。然后介紹訓(xùn)練DCGAN的各種技術(shù)，以及超參數(shù)調(diào)優(yōu)。最后使用訓(xùn)練好的模型生成動畫人物，并討論DCGAN的實際應(yīng)用。

第5章，使用SRGAN生成逼真圖像。這一章介紹如何訓(xùn)練SRGAN生成逼真圖像。訓(xùn)練流程的第一步是收集數(shù)據(jù)集，然后是數(shù)據(jù)清洗和數(shù)據(jù)格式處理。這一章會介紹如何收集數(shù)據(jù)集、清洗數(shù)據(jù)，以及將數(shù)據(jù)處理成訓(xùn)練所需的格式。

第6章，StackGAN：基于文本合成逼真圖像。這一章首先介紹StackGAN，然后介紹如何收集數(shù)據(jù)集、清理數(shù)據(jù)以及轉(zhuǎn)換數(shù)據(jù)格式。數(shù)據(jù)準(zhǔn)備好后，在Jupyter Notebook內(nèi)編寫代碼用Keras構(gòu)建StackGAN，并在CUB數(shù)據(jù)集上訓(xùn)練該模型。訓(xùn)練好的模型可以基于文本生成逼真圖像。最后討論StackGAN在行業(yè)中的應(yīng)用，以及在生產(chǎn)環(huán)境中的部署。

第7章，使用CycleGAN將繪畫轉(zhuǎn)換為照片。這一章介紹如何訓(xùn)練一個CycleGAN模型將繪畫轉(zhuǎn)換為照片。首先介紹CycleGAN及其各種用法，然后講解數(shù)據(jù)收集、數(shù)據(jù)清洗和數(shù)據(jù)格式處理的各種技術(shù)，接著在Jupyter Notebook內(nèi)使用Keras構(gòu)建CycleGAN，并在預(yù)備好的數(shù)據(jù)集上訓(xùn)練CycleGAN模型，之后檢驗?zāi)Ｐ蛯⒗L畫轉(zhuǎn)換為照片的水平，最后介紹CycleGAN的實際應(yīng)用。

第8章，使用cGAN實現(xiàn)圖像對圖像變換。這一章介紹如何訓(xùn)練cGAN來實現(xiàn)圖像對圖像變換。首先介紹cGAN和各種數(shù)據(jù)處理技術(shù)，包括數(shù)據(jù)收集、數(shù)據(jù)清洗和數(shù)據(jù)格式處理，接著在Jupyter Notebook內(nèi)使用Keras構(gòu)建cGAN，然后介紹如何在預(yù)備好的數(shù)據(jù)集上訓(xùn)練cGAN。訓(xùn)練中會嘗試不同的超參數(shù)。最后測試cGAN，并討論圖像對圖像變換的實際應(yīng)用。

第9章，預(yù)測GAN的未來。介紹過GAN的基本原理并且完成了7個項目之后，最后這一章來預(yù)測GAN的前景：首先介紹近幾年GAN應(yīng)用所取得的成就和受歡迎程度，然后談一下我對GAN未來的看法。