지속적으로 발전하는 연구와 개발을 통해 GAN(Generative Adversarial Networks)은 딥러닝 분야에서 차세대 중요 주제입니다. 이 책은 전통적인 생성 모델에 비해 GAN의 주요 개선 사항을 강조하고 실습 예제를 통해 GAN을 최대한 활용하는 방법을 보여줍니다.
이 책은 PyTorch를 사용하여 GAN 구조의 작동 방식을 이해하는 데 도움이 됩니다. 가장 유연한 딥러닝 툴킷에 익숙해지고 이를 사용하여 아이디어를 실제 작업 코드로 변환할 수 있습니다. 샘플 생성 방법론을 사용하여 컴퓨터 비전, 다중미디어 및 자연어 처리와 같은 영역에 GAN 모델을 적용합니다.
이 책은 PyTorch 1.0을 사용한 GAN 모델 구현에 대한 실무 지침을 얻고자 하는 기계학습 실무자와 딥러닝 연구원을 위한 것입니다. 실제 사례를 통해 최신 GAN 구조에 익숙해집니다. 이 책에서 다루는 개념을 이해하려면 Python 프로그래밍 언어에 대한 실무 지식이 필요합니다.
책에 사용된 스크린 샷/다이어그램의 컬러 이미지가 포함된 PDF 파일도 제공합니다. 여기에서 다운로드할 수 있습니다.
http://www.packtpub.com/sites/default/files/downloads/9781789530513_ColorImages.pdf.
Section I GAN 및 PyTorch 소개
CHAPTER 1 적대적 생성 네트워크 기본 사항
CHAPTER 2 PyTorch 1.3 시작하기
CHAPTER 3 모델 설계 및 학습을 위한 모범 사례
Section II 이미지 합성을 위한 일반적인 GAN 모델
CHAPTER 4 PyTorch로 첫 번째 GAN 구축
CHAPTER 5 레이블 정보를 기반으로 이미지 생성
CHAPTER 6 이미지에서 이미지로의 변환 및 응용 프로그램
CHAPTER 7 GAN을 사용한 이미지 복원
CHAPTER 8 다른 모델을 속이는 GAN 학습
CHAPTER 9 설명 텍스트에서 이미지 생성
CHAPTER 10 GAN을 사용한 순차 합성
CHAPTER 11 GAN을 사용하여 3D 모델 재구성