1.“深度學習繫統的一大進步”——GAN，在圖像生成和數據增強領域有出色表現；2.以Python語言實現，很強的實戰性，涵蓋構建、訓練、優化全過程；3.英國創企孵化器Founders Factory計算機視覺領域的聯合創始人Jakub Langr與美國紐約一家初創公司的高級產品經理Vladimir Bok合力寫就；4. 獲Simeon Leyzerzon、Dana Robinson、Grigory V. Sapunov、Bachir Chihani等人聯袂推薦；5.提供本書示例代碼。

●第一部分生成對抗網絡（GAN）與生成模型導論
第1章GAN簡介
1.1什麼是GAN
1.2GAN是如何工作的
1.3GAN實戰
1.3.1GAN的訓練
1.3.2達到平衡
1.4為什麼要學GAN
1.5小結
第2章自編碼器生成模型入門
2.1生成模型簡介
2.2自編碼器如何用於高級場景
2.3什麼是GAN的自編碼器
2.4自編碼器的構成
2.5自編碼器的使用
2.6無監督學習
2.6.1吐故納新
2.6.2使用自編碼器生成
2.6.3變分自編碼器
2.7代碼就是生命
2.8為什麼要嘗試使用GAN
2.9小結
第3章你的第一個GAN模型：生成手寫數字.
3.1GAN的基礎：對抗訓練
3.1.1代價函數
3.1.2訓練過程
3.2生成器和鋻別器
3.2.1對抗的目標
3.2.2混淆矩陣
3.3GAN訓練算法
3.4教程：生成手寫數字
3.4.1導入模塊並指定模型輸入維度
3.4.2構造生成器
3.4.3構造鋻別器
3.4.4搭建整個模型
3.4.5訓練
3.4.6輸出樣本圖像
3.4.7運行模型
3.4.8檢查結果
3.5結論
3.6小結
第4章深度卷積生成對抗網絡（DCGAN）
4.1卷積神經網絡
4.1.1卷積濾波器
4.1.2參數共享
4.1.3卷積神經網絡可視化
4.2DCGAN簡史
……
第二部分GAN的前沿主題
第5章訓練與普遍挑戰：為成功而GAN
第6章漸進式增長生成對抗網絡（PGGAN）
第7章半監督生成對抗網絡（SGAN）
第8章條件生成對抗網絡（CGAN）
第9章循環一致性生成對抗網絡（CycleGAN）
第三部分何去何從
第10章對抗樣本
第11章GAN的實際應用
第12章展望未來

本書主要介紹構建和訓練生成對抗網絡（GAN）的方法。全書共12章，先介紹生成模型以及GAN的工作原理，並概述它們的潛在用途，然後探索GAN的基礎結構（生成器和鋻別器），引導讀者搭建一個簡單的對抗繫統。本書給出了大量的示例，教讀者學習針對不同的場景訓練不同的GAN，進而完成生成高分辨率圖像、實現圖像到圖像的轉換、生成對抗樣本以及目標數據等任務，讓所構建的繫統變得智能、有效和快速。本書適合有一定Python經驗且有基於深度學習的圖像處理基礎的數據專業人員閱讀。

(英)雅各布·朗格爾,(美)弗拉基米爾·博克 著 羅家佳 譯