مشخصات کتاب

Generative Adversarial Networks Cookbook: Over 100 recipes to build generative models using Python, TensorFlow, and Keras

ویرایش: [1 ed.] 
نویسندگان: Josh Kalin  
سری:  
ISBN (شابک) : 1789139902, 9781789139907 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 268
[261] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 Mb 

در صورت تبدیل فایل کتاب Generative Adversarial Networks Cookbook: Over 100 recipes to build generative models using Python, TensorFlow, and Keras به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کتاب آشپزی Generative Adversarial Networks: بیش از 100 دستور العمل برای ساخت مدل های مولد با استفاده از Python، TensorFlow و Keras نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب کتاب آشپزی Generative Adversarial Networks: بیش از 100 دستور العمل برای ساخت مدل های مولد با استفاده از Python، TensorFlow و Keras

یادگیری عمیق نسل بعدی را با پیاده سازی مدل های قدرتمند تولیدی با استفاده از Python، TensorFlow و Keras ساده کنید.\r\n\r\nویژگی های کلیدی\r\n• معماری مشترک انواع مختلف GAN ها را درک کنید\r\n• برنامه های GAN را با استفاده از TensorFlow و Keras آموزش، بهینه سازی و استقرار دهید\r\n• ساخت مدل های مولد با مجموعه داده های دنیای واقعی، از جمله داده های دو بعدی و سه بعدی\r\n\r\nتوضیحات کتاب\r\nتوسعه شبکه‌های متخاصم مولد (GAN) یک کار پیچیده است و اغلب به سختی می‌توان کدی را پیدا کرد که درک آن آسان باشد.\r\n\r\nاین کتاب شما را از طریق هشت مثال مختلف از پیاده‌سازی مدرن GAN، از جمله CycleGAN، simGAN، DCGAN و تصویر دو بعدی به تولید مدل‌های سه بعدی راهنمایی می‌کند. هر فصل حاوی دستور العمل های مفیدی برای ایجاد معماری رایج در Python، TensorFlow و Keras است تا معماری های GAN که به طور فزاینده ای دشوارتر هستند را در قالبی خوانا بررسی کنند. این کتاب با پوشش انواع مختلف معماری GAN شروع می شود تا به شما در درک نحوه عملکرد مدل کمک کند. این کتاب همچنین حاوی دستور العمل های بصری است که به شما کمک می کند با موارد استفاده از DCGAN، Pix2Pix و غیره کار کنید. برای درک این برنامه‌های پیچیده، مجموعه‌های مختلف داده‌های دنیای واقعی را می‌گیرید و از آنها استفاده می‌کنید.\r\n\r\nتا پایان این کتاب، به لطف راه‌حل‌های کد ساده که می‌توانید فوراً پیاده‌سازی کنید، برای مقابله با چالش‌ها و مسائلی که ممکن است هنگام کار با مدل‌های GAN با آن‌ها مواجه شوید، مجهز خواهید شد.\r\n\r\nآنچه خواهید آموخت\r\n• ساختار یک معماری GAN در شبه کد\r\n• معماری مشترک برای هر یک از مدل های GAN که خواهید ساخت را درک کنید\r\n• معماری های مختلف GAN را در TensorFlow و Keras پیاده سازی کنید\r\n• از مجموعه داده های مختلف برای فعال کردن عملکرد شبکه عصبی در مدل های GAN استفاده کنید\r\n• مدل های مختلف GAN را ترکیب کرده و نحوه تنظیم دقیق آنها را بیاموزید\r\n• مدلی تولید کنید که بتواند تصاویر دو بعدی بگیرد و مدل های سه بعدی تولید کند\r\n• یک GAN برای انجام انتقال سبک با Pix2Pix ایجاد کنید\r\n\r\nاین کتاب برای چه کسی است\r\nاین کتاب برای دانشمندان داده، توسعه دهندگان یادگیری ماشین و متخصصان یادگیری عمیق است که به دنبال مرجعی سریع برای مقابله با چالش ها و وظایف در حوزه GAN هستند. آشنایی با مفاهیم یادگیری ماشین و دانش کار با زبان برنامه نویسی پایتون به شما کمک می کند تا بهترین استفاده را از کتاب ببرید.

توضیحاتی درمورد کتاب به خارجی

Simplify next-generation deep learning by implementing powerful generative models using Python, TensorFlow and Keras Key Features • Understand the common architecture of different types of GANs • Train, optimize, and deploy GAN applications using TensorFlow and Keras • Build generative models with real-world data sets, including 2D and 3D data Book Description Developing Generative Adversarial Networks (GANs) is a complex task, and it is often hard to find code that is easy to understand. This book leads you through eight different examples of modern GAN implementations, including CycleGAN, simGAN, DCGAN, and 2D image to 3D model generation. Each chapter contains useful recipes to build on a common architecture in Python, TensorFlow and Keras to explore increasingly difficult GAN architectures in an easy-to-read format. The book starts by covering the different types of GAN architecture to help you understand how the model works. This book also contains intuitive recipes to help you work with use cases involving DCGAN, Pix2Pix, and so on. To understand these complex applications, you will take different real-world data sets and put them to use. By the end of this book, you will be equipped to deal with the challenges and issues that you may face while working with GAN models, thanks to easy-to-follow code solutions that you can implement right away. What you will learn • Structure a GAN architecture in pseudocode • Understand the common architecture for each of the GAN models you will build • Implement different GAN architectures in TensorFlow and Keras • Use different datasets to enable neural network functionality in GAN models • Combine different GAN models and learn how to fine-tune them • Produce a model that can take 2D images and produce 3D models • Develop a GAN to do style transfer with Pix2Pix Who this book is for This book is for data scientists, machine learning developers, and deep learning practitioners looking for a quick reference to tackle challenges and tasks in the GAN domain. Familiarity with machine learning concepts and working knowledge of Python programming language will help you get the most out of the book.

فهرست مطالب

1. What is a Generative Adversarial Network?
2. Data First - How to prepare your dataset
3. My First GAN in under 100 lines
4. Dreaming new Kitchens using DCGAN
5. Pix2Pix Image-to-Image Translation
6. Style Transfering Your image using CycleGAN
7. Use Simulated Images to Create Photo Realistic Eyeballs using simGAN
8. From Image to 3D Models using GANs

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Biaxial/Multiaxial Fatigue and Fracture

دانلود کتاب Lipid Polymorphism and Membrane Properties

دانلود کتاب Commercial Visions: Science, Trade, and Visual Culture in the Dutch Golden Age

دانلود کتاب Religion and Nature Conservation: Global Case Studies

دانلود کتاب Handbook of the Autonomic Nervous System in Health and Disease (Neurological Disease and Therapy)