机读格式显示(MARC)

• 000 01628nam 2200289 450

• 001 0000388440

• 005 20211025112000.0

• 010 __ |a 978-7-115-54638-8 |d CNY79.00

• 100 __ |a 20201228d2020 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a PyTorch生成对抗网络编程 |A PyTorchsheng cheng dui kang wang luo bian cheng |f (英) 塔里克·拉希德著 |g 韩江雷译

• 210 __ |a 北京 |c 人民邮电出版社 |d 2020

• 215 __ |a 206页 |c 彩图 |d 23cm

• 225 2_ |a 深度学习系列 |A shen du xue xi xi lie

• 306 __ |a 本书中文简体版由作者Tariq Rasgud授权人民邮电出版社出版

• 314 __ |a 塔里克·拉希德 (Tariq Rashid), 拥有物理学学士学位、机器学习和数据挖掘硕士学位。韩江雷, 新加坡南洋理工大学计算机专业博士, 思爱普公司 (新加坡) 数据科学家。

• 330 __ |a 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。

• 410 _0 |1 2001 |a 深度学习系列

• 606 0_ |a 软件工具 |A ruan jian gong ju |x 程序设计

• 690 __ |a TP311.561 |v 5

• 701 _1 |a 拉希德 |A la xi de |g (Rashid, Tariq) |4 著

• 702 _0 |a 韩江雷 |A han jiang lei |4 译

• 801 _0 |a CN |b 湖北三新 |c 20201228

• 905 __ |a AUSTL |d TP311.561/L875A36