PyTorch生成對(duì)抗網(wǎng)絡(luò)編程

第 1 章　PyTorch和神經(jīng)網(wǎng)絡(luò) 001
1．1　PyTorch入門(mén)　001
1．2　初試PyTorch神經(jīng)網(wǎng)絡(luò)　018
1．3　改良方法　043
1．4　CUDA基礎(chǔ)知識(shí)　054

第　2 章 GAN初步　064
2．1　GAN的概念　064
2．2　生成1010格式規(guī)律　072
2．3　生成手寫(xiě)數(shù)字　090
2．4　生成人臉圖像　117

第　3 章 卷積GAN和條件式GAN　140
3．1　卷積GAN　140
3．2　條件式GAN　166
3．3　結(jié)語(yǔ)　176

附錄A　理想的損失值　178
A．1　MSE損失　178
A．2　BCE損失　179
附錄B　GAN學(xué)習(xí)可能性　186
B．1　GAN不會(huì)記憶訓(xùn)練數(shù)據(jù)　186
B．2　簡(jiǎn)單的例子　187
B．3　從一個(gè)概率分布中生成圖像　188
B．4　為圖像特征學(xué)習(xí)像素組合　189
B．5　多模式以及模式崩潰　190

附錄C　卷積案例　191
C．1　例1： 卷積，步長(zhǎng)為1，無(wú)補(bǔ)全　191
C．2　例2： 卷積，步長(zhǎng)為2，無(wú)補(bǔ)全　192
C．3　例3： 卷積，步長(zhǎng)為2，有補(bǔ)全　193
C．4　例4： 卷積，不完全覆蓋　194
C．5　例5： 轉(zhuǎn)置卷積，步長(zhǎng)為2，無(wú)補(bǔ)全　194
C．6　例6： 轉(zhuǎn)置卷積，步長(zhǎng)為1，無(wú)補(bǔ)全　196
C．7　例7： 轉(zhuǎn)置卷積，步長(zhǎng)為2，有補(bǔ)全　197
C．8　計(jì)算輸出大小　197

附錄D　不穩(wěn)定學(xué)習(xí)　199
D．1　梯度下降是否適用于訓(xùn)練GAN　199
D．2　簡(jiǎn)單的對(duì)抗案例　199
D．3　梯度下降并不適合對(duì)抗博弈　203
D．4　為什么是圓形軌跡　204

附錄E　相關(guān)數(shù)據(jù)集和軟件　205
E．1　MNIST數(shù)據(jù)集　205
E．2　CelebA數(shù)據(jù)集　205
E．3　英偉達(dá)和谷歌　206
E．4　開(kāi)源軟件　206