生成對抗網絡（Generative Adversarial Network，GAN）
是神經網絡領域的新星，被譽為“機器學習領域近20年來最酷的想法”。
本書以直白、簡短的方式向讀者介紹了生成對抗網絡，並且教讀者如何使用PyTorch按部就班地編寫生成對抗網絡。
全書共3章和5個附錄，分別介紹了PyTorch基礎知識，用PyTorch開發神經網絡，改良神經網絡以提升效果，
引入CUDA和GPU以加速GAN訓練，以及生成高質量圖像的捲積GAN、條件式GAN等話題。
附錄部分介紹了在很多機器學習相關教程中被忽略的主題，包括計算平衡GAN的理想損失值、概率分佈和採樣，
以及捲積如何工作，還簡單解釋了為什麽梯度下降不適用於對抗式機器學習。
本書適合想初步瞭解GAN以及其工作原理的讀者,也適合想要學習如何構建GAN的機器學習從業人員。
對於正在學習機器學習相關課程的學生，本書可以幫助讀者快速入門，為後續的學習打好基礎。