PyTorch生成对抗网络编程

生成对抗网络（Generative Adversarial Networks，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，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。本书适合任何想初步了解GAN以及其工作原理的读者,也适合于想要学习如何搭建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。