Bewertung:
Das Buch bietet einen technischen Überblick über Generative Adversarial Networks (GANs) mit einem starken Anwendungsfokus, leidet aber unter einem engen Umfang, unzureichenden mathematischen Erklärungen und Problemen mit der praktischen Anwendbarkeit. Es kann zwar als Einführung in das Thema dienen, aber die Leser erwarten tiefere Einblicke und eine breitere Anwendbarkeit, die nicht gegeben sind.
Vorteile:⬤ Bietet einen soliden technischen Überblick über ein neues Gebiet des Deep Learning.
⬤ Bietet eine Mischung aus technischen Details und realen Anwendungen.
⬤ Enthusiastische Diskussion über die Wissenschaft hinter dem Code.
⬤ Enger Fokus auf Computer Vision, Vernachlässigung von Text und strukturierten Datenanwendungen.
⬤ Es mangelt an ausreichender mathematischer Tiefe und Klarheit der Erklärungen.
⬤ Die Qualität des Inhalts nimmt in späteren Kapiteln ab.
⬤ Viele Beispiele und Codes sind oberflächlich oder aus anderen Quellen entlehnt.
⬤ Wirkt insgesamt trocken und wenig praxisorientiert.
(basierend auf 7 Leserbewertungen)
Gans in Action: Deep Learning with Generative Adversarial Networks
Deep-Learning-Systeme sind sehr gut darin geworden, Muster in Texten, Bildern und Videos zu erkennen. Aber Anwendungen, die realistische Bilder, natürliche Sätze und Absätze oder Übersetzungen in muttersprachlicher Qualität erstellen, haben sich als schwer fassbar erwiesen. Generative Adversarial Networks (GANs) bieten eine vielversprechende Lösung für diese Herausforderungen, indem sie zwei konkurrierende neuronale Netze miteinander verbinden - eines, das Inhalte generiert, und das andere, das Muster von schlechter Qualität zurückweist.
GANs in Aktion: Deep Learning mit Generative Adversarial Networks zeigt Ihnen, wie Sie Ihre eigenen generativen adversarischen Netzwerke aufbauen und trainieren können. Zunächst erhalten Sie eine Einführung in die generative Modellierung und in die Funktionsweise von GANs sowie einen Überblick über ihre Einsatzmöglichkeiten. Dann beginnen Sie mit dem Aufbau Ihres eigenen einfachen adversen Systems, während Sie die Grundlage der GAN-Architektur erkunden: das Generator- und das Diskriminatornetz.
Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.
| ISBN: | 9781617295560 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 276 |
Derzeit verfügbar, auf Lager.
