本书是结合基础理论与工程实践的入门型书籍，深入浅出地讲解了生成对抗网络的各类模型以及技术发展。

本书主要内容：

* 人工智能入门知识与开发工具

* GAN的理论与实践

* DCGAN，WGAN，cGAN等主流GAN衍生模型的介绍

* 文本到图像的生成与图像到图像的生成

多媒体与艺术设计领域中的GAN应用

前言

第1章人工智能入门1

1.1人工智能的历史与发展1

1.1.1人工智能的诞生3

1.1.2人工智能的两起两落6

1.1.3新时代的人工智能7

1.2机器学习与深度学习10

1.2.1机器学习分类11

1.2.2神经网络与深度学习12

1.2.3深度学习的应用13

1.3了解生成对抗网络15

1.3.1从机器感知到机器创造15

1.3.2什么是生成对抗网络19

1.4本章小结20

第2章预备知识与开发工具21

2.1Python语言与开发框架21

2.1.1Python语言21

2.1.2常用工具简介23

2.1.3第三方框架简介26

2.2TensorFlow基础入门27

2.2.1TensorFlow简介与安装27

2.2.2TensorFlow使用入门30

2.2.3Tensorflow实例：图像分类31

2.3Keras基础入门33

2.3.1Keras简介与安装33

2.3.2Keras使用入门34

2.3.3Keras实例：文本情感分析36

2.4　Floyd：使用深度学习云平台运行程序38

2.4.1深度学习云平台简介38

2.4.2Floyd使用入门39

2.4.3Floyd实例：神经网络风格转换43

2.5本章小结45

第3章理解生成对抗网络46

3.1生成模型46

3.1.1生成模型简介46

3.1.2自动编码器47

3.1.3变分自动编码器50

3.2GAN的数学原理52

3.2.1最大似然估计52

3.2.2生成对抗网络的数学推导55

3.3GAN的可视化理解58

3.4GAN的工程实践59

3.5本章小结67

第4章深度卷积生成对抗网络68

4.1DCGAN的框架68

4.1.1DCGAN设计规则68

4.1.2DCGAN框架结构72

4.2DCGAN的工程实践73

4.3DCGAN的实验性应用79

4.3.1生成图像的变换79

4.3.2生成图像的算术运算81

4.3.3残缺图像的补全83

4.4本章小结85

第5章WassersteinGAN86

5.1GAN的优化问题86

5.2WGAN的理论研究89

5.3WGAN的工程实践92

5.4WGAN的实验效果分析96

5.4.1代价函数与生成质量的相关性96

5.4.2生成网络的稳定性97

5.4.3模式崩溃问题99

5.5WGAN的改进方案：WGAN-GP100

5.6本章小结104

第6章不同结构的GAN105

6.1GAN与监督式学习105

6.1.1条件式生成：cGAN105

6.1.2cGAN在图像上的应用106

6.2GAN与半监督式学习110

6.2.1半监督式生成：SGAN110

6.2.2辅助分类生成：ACGAN112

6.3GAN与无监督式学习113

6.3.1无监督式学习与可解释型特征113

6.3.2理解InfoGAN115

6.4本章小结119

第7章文本到图像的生成120

7.1文本条件式生成对抗网络120

7.2文本生成图像进阶：GAWWN123

7.3文本到高质量图像的生成127

7.3.1层级式图像生成：StackGAN128

7.3.2层级式图像生成的优化：StackGAN-v2132

7.4本章小结135

第8章图像到图像的生成136

8.1可交互图像转换：iGAN136

8.1.1可交互图像转换的用途136

8.1.2iGAN的实现方法138

8.1.3iGAN软件简介与使用方法140

8.2匹配数据图像转换：Pix2Pix143

8.2.1理解匹配数据的图像转换143

8.2.2Pix2Pix的理论基础145

8.2.3Pix2Pix的应用实践150

8.3非匹配数据图像转换：CycleGAN157

8.3.1理解非匹配数据的图像转换157

8.3.2CycleGAN的理论基础160

8.3.3CycleGAN的应用实践162

8.4　多领域图像转换：StarGAN166

8.4.1多领域的图像转换问题166

8.4.2StarGAN的理论基础169

8.4.3StarGAN的应用实践171

8.5本章小结177

第9章GAN的应用：从多媒体到艺术设计178

9.1GAN在多媒体领域的应用178

9.1.1图像去模糊178

9.1.2人脸生成181

9.1.3音频合成184

9.2GAN与AI艺术188

9.2.1AI能否创造艺术188

9.2.2AI与计算机艺术的发展190

9.2.3艺术生成网络：从艺术模仿到创意生成196

9.3GAN与AI设计202

9.3.1AI时代的设计202

9.3.2AI辅助式设计的研究205

9.4本章小结212

第10章GAN研究热点213

10.1评估与优化213

10.2对抗攻击216

10.3发展中的GAN219

参考文献222