推薦序

隨著人工智能技術的迅速發展，圖像識別、語音識別、機器翻譯等技術正在改變著我們的生活方式。目前，生成對抗網絡（GAN）在圖像和計算機視覺領域應用非常活躍，它既可以生成讓人類已經難以分辨的逼真圖像，還可以實現圖像修復、模糊圖像高清化、視頻生成。除此之外，GAN還被應用于自然語言處理、信息安全等領域。

本書作者既有在企業一線的開發工程師，又有在應用型本科院校從教多年的教師，因而能基于豐富的開發經驗和教學經驗，精心設計內容，使之兼顧理論與實戰。本書內容全面且有深度，介紹了傳統GAN、DCGAN、CGAN、CycleGAN、InfoGAN、SeqGAN等各種不同類別的GAN模型，并且從生成器、判別器、損失定義、具體訓練邏輯等多個方面展開討論，從數學層面去推導證實，突出不同類別GAN架構的底層思想。此外，本書利用Tensorflow深度學習框架實現各種不同類別的GAN模型，實戰性強。無論是深度學習的學習者，還是已經具備深度學習基礎想進行生成對抗網絡項目實戰與應用的讀者，都能從書中獲益。我衷心希望這本書能夠幫助更多讀者深入理解各種GAN模型的理論，并幫助他們更好地利用GAN解決實際項目中的問題，為人工智能應用型人才的培養發揮積極作用。

湯庸 教授/學者網創始人

華南師范大學計算機學院院長

廣東省服務計算工程研究開發中心主任