GAN 인 액션
- 저자야쿠프 란그르,블라디미르 보크 공저/박해선 역
- 출판사한빛미디어
- 출판일2020-09-10
- 등록일2020-12-21
보유 1, 대출 0,
예약 0, 누적대출 12, 누적예약 0
책소개
이론, 사례, 수식으로 끝내는 실전 GAN과 생성 모델링텐서플로 최신 버전 반영! 구글 코랩(Colab)에서 간편하게 예제를 실행해보자!가장 혁신적인 생성적 적대 신경망(GAN)을 구축하는 방법을 사례와 함께 안내한다. GAN의 개념과 학술적 성과를 소개하되, 수학적 원리는 꼭 필요한 것만 골라서 설명한다. 머신러닝과 딥러닝을 다뤄본 경험이 있는 독자는 GAN의 기초부터 심화까지 한 번에 살펴본 후, GAN 생성에 꼭 필요한 지식을 갖추고 도구를 다루는 방법도 익히게 될 것이다. 구글 코랩을 활용해 텐서플로 2.x와 케라스로 나만의 GAN을 만들어보자.
목차
[PART 1 GAN과 생성 모델링]CHAPTER 1 GAN 시작하기__1.1 GAN이란? __1.2 GAN의 동작 방식 __1.3 GAN 시스템 __1.4 왜 GAN을 공부해야 할까? __1.5 마치며 CHAPTER 2 오토인코더와 생성 학습__2.1 생성 모델링 시작하기 __2.2 오토인코더의 동작 방식 __2.3 GAN과 오토인코더 비교하기 __2.4 오토인코더 구성 __2.5 오토인코더 활용 __2.6 비지도 학습 __2.7 코드가 핵심이다 __2.8 왜 GAN일까? __2.9 마치며 CHAPTER 3 첫 번째 GAN 구현하기__3.1 GAN 기초: 적대적 훈련 __3.2 생성자와 판별자 __3.3 GAN 훈련 알고리즘 __3.4 튜토리얼: 손글씨 숫자 생성하기 __3.5 결론 __3.6 마치며 CHAPTER 4 DCGAN__4.1 합성곱 신경망 __4.2 DCGAN의 간략한 역사 __4.3 배치 정규화 __4.4 튜토리얼: DCGAN으로 손글씨 숫자 생성하기 __4.5 결론 __4.6 마치며
[PART 2 최신 GAN 모델]CHAPTER 5 GAN 훈련의 어려움과 노하우__5.1 평가 __5.2 훈련의 어려움 __5.3 게임 설정 정리 __5.4 훈련 노하우 __5.5 마치며 CHAPTER 6 ProGAN__6.1 잠재 공간 보간 __6.2 놀라운 발전 속도 __6.3 주요 혁신 요약 __6.4 텐서플로 허브를 사용한 실습 __6.5 실용적인 애플리케이션 __6.6 마치며 CHAPTER 7 SGAN__7.1 SGAN 소개 __7.2 튜토리얼: SGAN 구현하기 __7.3 지도 학습 분류기와 비교하기 __7.4 결론 __7.5 마치며 CHAPTER 8 CGAN__8.1 동기 __8.2 CGAN 소개 __8.3 튜토리얼: CGAN 구현하기 __8.4 결론 __8.5 마치며 CHAPTER 9 CycleGAN__9.1 이미지 대 이미지 변환 __9.2 사이클-일관성 손실: 갔다가 돌아오기 __9.3 적대 손실 __9.4 동일성 손실 __9.5 구조 __9.6 객체지향 방식으로 GAN 구현하기 __9.7 튜토리얼: CycleGAN 구현하기 __9.8 CycleGAN의 확장 버전과 애플리케이션 __9.9 마치며
[PART 3 앞으로 배울 것들]CHAPTER 10 적대 샘플__10.1 적대 샘플 소개 __10.2 예측, 나쁜 예측, 분포 __10.3 올바른 훈련과 잘못된 훈련 __10.4 신호와 잡음 __10.5 새로운 희망 __10.6 적대 샘플에서 GAN으로 __10.7 결론 __10.8 마치며 CHAPTER 11 실용적인 GAN 애플리케이션__11.1 의료 분야의 GAN __11.2 패션 분야의 GAN __11.3 결론 __11.4 마치며 CHAPTER 12 향후 전망__12.1 윤리 __12.2 세 가지 혁신 GAN __12.3 더 읽을거리 __12.4 정리 __12.5 마치며
한줄 서평
