近年来，我们一起见证了机器学习和人工智能的飞速发展，重要的技术突破层出不穷。如今，智能手机不但能听懂我们说了什么，甚至可以将我们说的话翻译成多种语言；自动驾驶汽车在安全性上已经接近了人工驾驶的水平；在一些疾病的诊断上，计算机甚至比有经验的医生更准确、更快捷。
围棋起源于中国，迄今已有超过3 000年的历史。尽管与国际象棋相比，围棋的规则更简单，然而其长期策略的复杂度却远远超过国际象棋。最近几年，研究人员开发的机器学习系统频频击败人类围棋世界冠军。不仅如此，该系统甚至通过自学成就了一套3 000年来无人领悟出的新策略！计算机在学习完成一个任务的过程中发现新的策略，这是整个机器学习领域的一个重大成就
年轻的GAN
相比于传统神经网络数十年的研究和积累，GAN是在2014年由伊恩·古德费洛（Ian Goodfellow）发表论文之后才崭露头角的。这意味着，GAN的研究才刚刚起步，有无限的创造、探索空间。同时，这也意味着，我们尚未完全理解如何像训练传统神经网络一样训练GAN。如果可以正确运行，GAN会非常有效。然而，大多数时候GAN并不能正常运行。现今，许多研究者正在针对GAN如何运行以及为何失败等问题进行研究。
神经网络
GAN由神经网络组成。虽然本书会帮助读者重温相关内容，但我仍推荐自己的另一本书 《Python神经网络编程》（Make Your Own Neural Network）。
《Python神经网络编程》
它专门介绍神经网络及其运行原理，非常适合初学者。同时，它也包括微积分（calculus）、梯度下降（gradient descent）等内容。
本书将带领您进行一场妙趣横生却又有条不紊的旅行——从一个非常简单的想法开始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python开发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。
本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程进行神经网络开发的读者参考。
如果你希望初步了解GAN以及其工作原理的读者，或者你是使用工业级软件构建GAN的从业人员那么你需要这本《PyTorch生成对抗网络编程》。
《PyTorch生成对抗网络编程》
生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的新星，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，并且教读者如何使用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。
如果你读完《PyTorch生成对抗网络编程》这本书，便可以轻松理解GAN，并能亲手构建一个简单的GAN。
对于较复杂的概念，本书会尽量使用通俗易懂的语言，配以大量插图加以解释。本书会尽量避免使用不必要的术语和数学公式。
本书的目标是，帮助具有不同背景的读者了解GAN，并可以亲自动手搭建GAN。
本书并非一本GAN的百科全书，无法涵盖其方方面面。我们有目的地节选了最精华的部分，足够为读者深入研究做好准备。
对于正在学习机器学习相关课程的学生，本书可以帮助他们快速入门，为接下来的学习打好基础。
如何使用本书
学习一门技术最好的方法莫过于亲自动手。正因为如此，本书通过逐步动手操作的方法，对概念和理论进行解释。
即便读者按部就班地按照书中指示操作，仍可能会遇到问题。经历失败并寻找解决方案的过程是一种宝贵经历，甚至比从头到尾读一遍GAN的论文更有价值。
目录
因为《PyTorch生成对抗网络编程》是彩色印刷，所以小编上彩目录图片。请欣赏
样章赏析
转载：https://blog.csdn.net/epubit17/article/details/110519737