生成对抗网络入门指南（第2版）

适读人群：

本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。

1、本书第2版跟踪近两年生成对抗网络（GAN）技术的发展和变化，包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容，新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与第1版内容有机地结合，深入浅出地阐述了生成对抗网络技术原理和演进，通过代码实例揭示了生成对抗网络技术实际应用的方法，方便读者学习入门。

2、书中所有示例代码基于Tensorflow2.0进行了更新，全部支持在Tensorflow2.0环境下运行，方便读者上手实践，深入了解技术实现细节。

3、读者可在华章图书网站该书网页下载书中全部示例代码。

从2014年至今，与GAN有关的论文数量急剧增加，从谷歌学术的数据来看，数量仍在不断增加中。究其原因，除了科学研究本身的魅力之外，诸如文本到图像的生成、图像到图像的生成等应用研究也让业界非常兴奋，给人工智能领域带来诸多可能性。

本书是GAN的入门书籍，结合基础理论、工程实践进行讲解，深入浅出地介绍GAN的技术发展以及各类衍生模型。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能技术爱好者。书中包含GAN的理论知识与代码实践（示例代码可以从华章官网搜索下载），可帮助读者理解GAN的技术原理与实现细节。

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

文本到图像、图像到图像以及离散数据的生成方法

GAN与强化学习的关联

BigGAN、StyleGAN等前沿GAN模型

多媒体与艺术设计领域中的GAN应用