生成對抗神經網絡（Generative Adversarial Nets，GAN）作為一種深度學習框架，發展十分迅猛。
通過相互對抗的神經網絡模型，GAN能夠生成結構複雜且十分逼真的高維度數據。
因此，GAN被廣泛地應用在學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成等；
序列數據生成，如語音生成、音樂生成等；
以及其他眾多領域，如遷移學習、醫學圖像細分、隱寫術、持續學習（深度學習重放）等。
GAN的技術較為複雜，細分領域眾多，因此需要有一個高效率的學習方法。
首先，需要了解GAN的全景，對GAN的發展脈絡和各個細分領域都有所了解。
這樣，當我們面對各種各樣的應用場景時，才能夠做到胸有成竹。
其次，掌握生成對抗的基本原理，以及實現生成對抗的關鍵技術。
這樣，當我們面對在GAN領域出現的各種新理念、新技術時，才能夠追本溯源，從容應對。
最後，針對自己感興趣的GAN進行深入地研究。
本書正是這樣組織的，讓有志於學習研究GAN的人能夠快速入門並掌握GAN的關鍵技術。
$ 403 元
原價 474
-
$403
