Pobierz fragment
Pobierz fragment w jednym z dostępnych formatów
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania - ebook
Format ebooka:
PDF
Format
PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz
laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony,
jednakze względu na komfort czytania i brak możliwości skalowania
czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla
oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie.
Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu
PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie
jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz
w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników
e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i
tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji
znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji
multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka
i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej
Bibliotece we wszystkich formatach dostępnych aktualnie dla danego
tytułu. Informacja o dostępności poszczególnych formatów znajduje się na
karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją
multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym
laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym
programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe
Reader. W zależności od potrzeb, możesz zainstalować również inny
program - e-booki PDF pod względem sposobu odczytywania nie różnią
niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy
każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire
dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy
wzroku. Pliki przystosowane do odczytywania na czytnikach to przede
wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach
PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla
EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
Pobierz fragment
Pobierz fragment w jednym z dostępnych formatów
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania - ebook
Techniki uczenia głębokiego rozwijają się w imponującym tempie, a sieci neuronowe znajdują zastosowanie w przeróżnych branżach. Coraz częściej komputer wykonuje zadania, które do niedawna były zarezerwowane dla człowieka. Dobrym przykładem jest tworzenie dzieł sztuki: ostatnie postępy w dziedzinie modelowania generatywnego sprawiają, że maszyny tworzą oryginalne obrazy w określonym stylu, piszą spójne akapity tekstu, komponują przyjemną w odbiorze muzykę i generują prawdopodobne scenariusze zdarzeń. Ta "generatywna rewolucja" już się zaczęła, a jej efekty przekraczają najśmielsze wyobrażenia.
Ta książka jest praktycznym przewodnikiem przeznaczonym dla inżynierów uczenia maszynowego i analityków danych. W jasny i przystępny sposób omówiono w niej zasadnicze zagadnienia teorii modelowania generatywnego, a następnie zaprezentowano techniki stosowane do budowy modeli generatywnych, włącznie z ogólnym opisem uczenia głębokiego, wariacyjnych autoenkoderów i generatywnych sieci antagonistycznych (GAN). Na tej podstawie - z wykorzystaniem biblioteki Keras - pokazano wewnętrzne funkcjonowanie każdej z tych technik, łącznie z najbardziej nowatorskimi architekturami. Opisano krok po kroku sposoby rozwiązywania takich twórczych zadań jak malowanie, pisanie i komponowanie muzyki, a także zastosowania modelowania generatywnego do optymalizacji strategii grania w gry (modele World).
W książce między innymi:
- działanie autoenkoderów wariacyjnych
- tworzenie sieci GAN, w tym CycleGAN i MuseGAN
- rekurencyjne modele generatywne do tworzenia tekstu oraz mechanizmy uwagi
- modele generatywne w środowiskach uczenia przez wzmacnianie
- architektura Transformer (BERT, GPT-2) oraz modele generowania obrazu
Czy potrafisz stworzyć... twórcę?
Spis treści
Przedmowa 8
CZĘŚĆ I. WPROWADZENIE DO GENERATYWNEGO UCZENIA GŁĘBOKIEGO 13
1. Modelowanie generatywne 15
- Czym jest modelowanie generatywne? 15
- Modelowanie generatywne a dyskryminatywne 16
- Postępy w uczeniu maszynowym 18
- Powstanie modelowania generatywnego 19
- Framework modelowania generatywnego 21
- Probabilistyczne modele generatywne 23
- Witaj, Zlemio! 25
- Twój pierwszy probabilistyczny model generatywny 26
- Naiwny model Bayesa 29
- Witaj, Zlemio! Kontynuacja 31
- Wyzwania modelowania generatywnego 33
- Uczenie reprezentacji 34
- Konfiguracja środowiska 37
- Podsumowanie 39
2. Uczenie głębokie 41
- Dane ustrukturyzowane i nieustrukturyzowane 41
- Głębokie sieci neuronowe 42
- Keras i TensorFlow 44
- Twoja pierwsza głęboka sieć neuronowa 45
- Ładowanie danych 45
- Budowanie modelu 46
- Kompilacja modelu 50
- Szkolenie modelu 51
- Ocena modelu 52
- Usprawnianie modelu 54
- Warstwy konwolucyjne 55
- Normalizacja partii 59
- Warstwy Dropout 61
- Połączenie warstw w całość 63
- Podsumowanie 66
3. Autoenkodery wariacyjne 67
- Wystawa 67
- Autoenkodery 70
- Twój pierwszy autoenkoder 71
- Koder 71
- Dekoder 73
- Połączenie kodera z dekoderem 75
- Analiza autoenkodera 76
- Wariacyjna wystawa sztuki 78
- Budowanie autoenkodera wariacyjnego 80
- Koder 80
- Funkcja strat 85
- Analiza autoenkodera wariacyjnego 86
- Korzystanie z VAE do generowania twarzy 87
- Szkolenie VAE 88
- Analiza VAE 88
- Generowanie nowych twarzy 91
- Arytmetyka przestrzeni ukrytej 92
- Morfing twarzy 93
- Podsumowanie 94
4. Sieci GAN 95
- Ganimale 95
- Wprowadzenie do sieci GAN 97
- Twoja pierwsza sieć GAN 98
- Dyskryminator 99
- Generator 101
- Szkolenie sieci GAN 104
- Wyzwania dla sieci GAN 108
- Oscylacyjne straty 109
- Załamanie trybu 109
- Mylące wartości funkcji strat 110
- Hiperparametry 110
- Stawianie czoła wyzwaniom związanym z GAN 111
- Model GAN Wassersteina 111
- Funkcja straty Wassersteina 111
- Ograniczenie Lipschitza 113
- Obcinanie wag 113
- Szkolenie sieci WGAN 114
- Analiza sieci WGAN 115
- WGAN-GP 116
- Funkcja straty z ograniczeniem gradientu 116
- Analiza sieci WGAN-GP 120
- Podsumowanie 121
CZĘŚĆ II. UCZENIE KOMPUTERÓW MALOWANIA, PISANIA, KOMPONOWANIA I GRANIA 123
5. Malowanie 125
- Jabłka i pomarańcze 126
- CycleGAN 128
- Twoja pierwsza sieć CycleGAN 130
- Przegląd 130
- Generatory (U-Net) 131
- Dyskryminatory 134
- Kompilacja modelu CycleGAN 136
- Szkolenie sieci CycleGAN 137
- Analiza sieci CycleGAN 138
- Tworzenie sieci CycleGAN, która maluje w stylu Moneta 140
- Generatory (ResNet) 141
- Analiza zaprojektowanej sieci CycleGAN 142
- Neuronowy transfer stylu 143
- Utrata treści 145
- Utrata stylu 147
- Całkowita utrata wariancji 149
- Uruchomienie neuronowego transferu stylów 150
- Analiza modelu neuronowego transferu stylu 151
- Podsumowanie 152
6. Pisanie 153
- Literackie Stowarzyszenie Twórczych Miernot 154
- Sieci LSTM 155
- Twoja pierwsza sieć LSTM 156
- Tokenizacja 156
- Budowanie zestawu danych 158
- Architektura LSTM 159
- Warstwa Embedding 160
- Warstwa LSTM 161
- Komórka LSTM 162
- Generowanie nowego tekstu 164
- Rozszerzenia sieci RNN 168
- Stos sieci rekurencyjnych 168
- Sieci GRU 169
- Komórki dwukierunkowe 170
- Modele koder-dekoder 170
- Generator pytań i odpowiedzi 172
- Zestaw danych pytanie - odpowiedź 173
- Architektura modelu 174
- Wnioskowanie 177
- Wyniki modelu 179
- Podsumowanie 180
7. Komponowanie muzyki 181
- Wymagania wstępne 182
- Notacja muzyczna 182
- Twoja pierwsza sieć RNN do generowania muzyki 184
- Mechanizm uwagi 185
- Budowanie mechanizmu uwagi w Keras 187
- Analiza sieci RNN z mechanizmem uwagi 190
- Mechanizm uwagi w sieciach koder-dekoder 195
- Generowanie polifonicznej muzyki 199
- MuseGAN 199
- Twoja pierwsza sieć MuseGAN 201
- Generator sieci MuseGAN 203
- Akordy, styl, melodia i ścieżki 205
- Generator taktów 207
- Połączenie architektury w całość 208
- Krytyk 209
- Analiza sieci MuseGAN 210
- Podsumowanie 212
8. Gry 213
- Uczenie przez wzmacnianie 213
- OpenAI Gym 215
- Architektura modelu świata 217
- Autoenkoder wariacyjny 217
- MDN-RNN 218
- Kontroler 219
- Konfiguracja 219
- Przegląd procesu szkolenia 220
- Zbieranie losowych danych rozgrywki 221
- Szkolenie VAE 222
- Architektura VAE 224
- Eksploracja VAE 226
- Pobieranie danych do szkolenia sieci RNN 228
- Szkolenie sieci MDN-RNN 229
- Architektura sieci MDN-RNN 230
- Próbkowanie następnego wektora z i wartości nagrody z sieci MDN-RNN 231
- Funkcja straty sieci MDN-RNN 232
- Szkolenie kontrolera 233
- Architektura kontrolera 234
- CMA-ES 234
- Współbieżny algorytm CMA-ES 236
- Wyjście ze szkolenia kontrolera 238
- Szkolenie "we śnie" 239
- Szkolenie kontrolera "we śnie" 239
- Wyzwania związane ze szkoleniem "we śnie" 241
- Podsumowanie 242
9. Przyszłość modelowania generatywnego 243
- Pięć lat postępu 243
- Transformer 245
- Kodowanie pozycyjne 246
- Warstwy Multi-head Attention 246
- Dekoder 249
- Analiza modelu Transformer 249
- BERT 250
- GPT-2 251
- MuseNet 252
- Postępy w generowaniu obrazów 252
- ProGAN 252
- SAGAN 254
- BigGAN 255
- StyleGAN 256
- Zastosowania modelowania generatywnego 259
- Sztuka AI 259
- Muzyka AI 259
10. Zakończenie 261
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-283-7284-9 |
| Rozmiar pliku: | 31 MB |
