深度学习、生成对抗、Pytorch优秀教材推荐

推荐一批深度学习、生成对抗、Pytorch优秀教材推荐，绝对不容错过。

《GANs in Action》

Jakub Langr and Vladimir Bok

本书简介：

《GANs in Action》:生成对抗网络式的深度学习教会你如何建立和训练自己的生成对抗网络。首先，你将了解生成对抗网络以及GANs是如何工作，以及它们潜在用途的概述。然后，你将开始构建自己简单的对抗系统，同时探索GAN网络的基础结构:生成器和判别网络。

电子版本地址：https://livebook.manning.com/#!/book/gans-in-action/

随书代码地址：https://github.com/GANs-in-Action/gans-in-action

《生成深度学习：让机器学习绘画、写作、作曲、打游戏》

David Foster

本书简介：

生成模型是人工智能领域最热门的话题之一。该领域的最新进展表明，通过理解机器的行为如何影响环境，教机器在人类活动中表现出色是可能的，例如绘画、作曲和完成任务。

有了这本实用的书，机器学习工程师和数据科学家将学习如何重新创建一些最著名的生成式深度学习模型的例子，如变分自动编码器和生成式对抗网络(GANs)。你还将学习如何将这些技术应用于你自己的数据集。

应用数据科学的创始人之一大卫·福斯特展示了每种技术的内部工作原理，从深度学习的基础开始，然后发展到该领域最前沿的算法。通过技巧和诀窍，你将学会如何让你的模型的学习变得更有效率，变得更有创造力。

主要讲解生成式建模的基本概述

了解如何利用Keras和TensorFlow库进行深度学习

了解可变自动编码器(VAEs)是如何工作的

获取生成对抗网络(GANs)的实例

了解如何构建学习如何绘画、写作和创作的生成模型

在强化学习场景中应用生成模型来完成任务。

链接：https://www.amazon.com/Generative-Deep-Learning-Teaching-Machines/dp/1492041947

《PyTorch深度学习初学者指南——如何创建和部署深度学习应用》

Ian Pointer

本书简介：

深度学习有可能改变计算机世界的一切。在短短的几年里，它已经超越了传统的计算机视觉技术，并且开始在自然语言处理上做同样的事情。谷歌正在将深度学习整合到其运营的各个方面，包括在其数据中心安排工作，甚至取代一些传统的数据结构。但是仍然缺乏有能力将深度学习引入他们领域的开发人员，并且许多关于这个主题的介绍都被数学概念压得喘不过气来。这本书将提供一个入门指南，让开发人员开始使用这些强大的新技术来处理他们必须掌握的几乎任何数据。

链接：https://www.amazon.com/Beginners-Guide-Using-PyTorch-Learning/dp/1492045357/

《实用时序分析——统计预测与机器学习》

Aileen Nielsen

本书简介：

现代时间序列数据最常见的数据工程和分析挑战。这本书提供了一个容易理解的关于时间序列数据的全面介绍，它将帮助软件工程师、数据科学家和研究人员在他们感兴趣的领域高效进行时间相关的分析。

作者Aileen Nielsen还提供了实际场景中的实用指南和用例，从医疗保健和金融到科学测量和社会科学预测。这本书提供了一个比现有的关于这个主题的书更多样和更先进的时间序列方法。

链接：https://www.amazon.com/Practical-Time-Analysis-Prediction-Statistics/dp/1492041653/

《神经网络与深度学习教科书》

Charu C. Aggarwal

本书简介：

这本书涵盖了深度学习的传统和现代的所有技术。主要关注的是深度学习的理论和算法。神经网络的理论和算法对于理解重要的概念特别重要，因此人们可以理解神经架构在不同应用中的重要设计概念。神经网络为什么工作？什么时候它们比现成的机器学习模式更有效？深度什么时候有用？为什么训练神经网络如此困难？陷阱是什么？这本书也丰富了对不同应用的讨论，以便让实践者了解神经架构是如何为不同类型的问题设计的。涵盖了与许多不同领域相关的应用，如推荐系统、机器翻译、图像字幕、图像分类、基于强化学习的游戏和文本分析。

链接：https://www.amazon.com/Neural-Networks-Deep-Learning-Textbook/dp/3319944622/

《加强深度神经网络—降低AI对对抗欺骗的敏感性》

Katy Warr

本书简介：

随着深度神经网络在现实应用中变得越来越普遍，“愚弄”它们的可能性呈现出一种新的攻击方式。在这本书里，作者凯蒂·瓦尔研究了DNN如何以不同于人类的方式解释音频和图像的安全含义。

你将了解攻击者利用DNN算法缺陷的动机，以及如何评估对采用神经网络技术的系统的威胁。通过实际的代码例子，这本书向你展示了DNNs是如何被愚弄的，并展示了它们对抗欺骗的方法。

了解DNNs如何“思考”的基本原则，以及为什么这不同于我们人类对世界的理解

理解愚弄DNNS的敌对动机以及对现实世界系统构成的威胁

探索使包含DNN的软件系统不容易被欺骗的方法

展望人工神经网络的未来，了解这些算法是如何进化得更加健壮的

链接：https://www.amazon.com/Strengthening-Deep-Neural-Networks-Susceptible/dp/1492044954/

往期精品内容推荐

知乎高赞回答：有什么相见恨晚的学英语方法？

量子机器学习-人工智能的未来

台大陈蕴侬-2019-《应用深度学习（中文）》课程视频分享

李宏毅-《机器学习/深度学习-2019》视频及资料分享

Coursera免费新课-面向AI、机器学习和深度学习的TensorFlow入门推荐

Jacob Eisenstein《自然语言处理》最新经典教材免费分享

2018-Github最热门机器学习开源项目Top10分享

构建深度神经网络的一些实战建议-绝对的纯干货

2018-Geoffrey Hinton-深度学习基础

知识图谱中的深度学习技术应用概述

基于Pre-trained模型加速模型学习的6点建议

人工智能与机器学习技术在医疗保健行业中的应用

DeepMind-1123-深度学习与强化学习高阶课程分享（带中英文字幕）

深度学习、生成对抗、Pytorch优秀教材推荐相关推荐

利用python实现深度学习生成对抗样本模型，为任一图片加扰动并恢复原像素的全流程记录
利用python实现深度学习生成对抗样本,为任一图片加扰动并恢复原像素一.前言 (一)什么是深度学习 (二)什么是样本模型 (三)什么是对抗样本 1.对抗的目的 2.谁来对抗? 3.对抗的敌人是谁? ...
你真的了解深度学习生成对抗网络（GAN）吗？
生成对抗网络(GANs,https://en.wikipedia.org/wiki/Generative_adversarial_network)是一类具有基于网络本身即可以生成数据能力的神经网络结构 ...
[深度学习]生成对抗网络的实践例子
系列文章目录深度学习GAN(一)之简单介绍深度学习GAN(二)之DCGAN基于CIFAR10数据集的例子深度学习GAN(三)之DCGAN基于手写体Mnist数据集的例子深度学习GAN(四)之c ...
深度学习生成对抗网络（GAN）
一.概述生成对抗网络(Generative Adversarial Networks)是一种无监督深度学习模型,用来通过计算机生成数据,由Ian J. Goodfellow等人于2014年提出.模型 ...
李沐《动手学深度学习》新增PyTorch和TensorFlow实现，还有中文版
李沐老师的<动手学深度学习>已经有Pytorch和TensorFlow的实现了,并且有了中文版. 网址:http://d2l.ai/ 简介李沐老师的<动手学深度学习>自一年前 ...
什么是深度学习？有哪些相关书籍推荐？
深度学习是机器学习的一个子领域,它采用了一个特定的模型:一族通过某种方式连接起来的简单函数.由于这类模型的结构是受到人类大脑结构的启发而创造出来的,因此我们通常把它们称为神经网络(neural net ...
干货|《深度学习入门之Pytorch》资料下载
深度学习如今已经成为了科技领域中炙手可热的技术,而很多机器学习框架也成为了研究者和业界开发者的新宠,从早期的学术框架Caffe.Theano到如今的Pytorch.TensorFlow,但是当时间线来 ...
对抗生成网络_深度卷积生成对抗网络
本教程演示了如何使用深度卷积生成对抗网络(DCGAN)生成手写数字图片.该代码是使用 Keras Sequential API 与 tf.GradientTape 训练循环编写的. 什么是生成对抗网络 ...
深度学习入门之PyTorch学习笔记：卷积神经网络
深度学习入门之PyTorch学习笔记绪论 1 深度学习介绍 2 深度学习框架 3 多层全连接网络 4 卷积神经网络 4.1 主要任务及起源 4.2 卷积神经网络的原理和结构 4.2.1 卷积层 1. ...

深度学习、生成对抗、Pytorch优秀教材推荐

深度学习、生成对抗、Pytorch优秀教材推荐相关推荐

最新文章

热门文章