如果让异步君推荐神经网络学习领域必读书，那我一定推荐《Python神经网络编程》。
这本书在豆瓣评分9.2。篇幅短小精悍，概念讲解明晰易懂，很适合作为神经网络入门第一书。书中作为例子手把手实现的神经网络原理并不复杂，代码量也比较合适，能够轻易跑出很好的结果，对于激发进一步学习的热情很有帮助。
本书的作者塔里克拉希德（Tariq Rashid），拥有物理学学士学位、机器学习和数据挖掘硕士学位。他常年活跃于伦敦的技术领域，领导并组织伦敦 Python 聚会小组。由于《Python神经网络编程》的内容妙趣横生有条不紊对新手十分友好，一经发售就成为了美国亚马逊的畅销书。
2020年12月塔里克拉希德（Tariq Rashid）的新书《PyTorch生成对抗网络编程》上架啦。
让我们先来了解一下什么是「生成对抗网络」？
生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的新星，被誉为“机器学习领域近20年来最酷的想法”。对许多初学者来说，学习人工智能技术首先要面临两大挑战。
第一大挑战便是对于一项技术的理论基础以及工作原理的理解。在很多教科书中，理论的讲解通常需要大量的数学公式和推导过程。
第二大挑战是，即便初学者理解了理论，但要将公式转化为可运行的代码，仍然要求初学者具有扎实的编程能力。
有没有这样一本书，可以结合理论和编程，帮助初学者快速入门呢？《PyTorch生成对抗网络编程》正是这样一本入门教程。
这本书能够帮助更多的读者了解并掌握GAN这项新的技术，并对人工智能有新的理解和体验。
创意人工智能和年轻的GAN
2018年10月，久负盛名的佳士得（Christies）拍卖行以43.25万美元卖出了一幅画作。这幅画作的作者不是人，而是一个神经网络。一幅由人工智能创作的艺术品以如此高价成交，创造了一项新的历史。
该神经网络是由一种新型的、令人兴奋的“对抗训练”技术训练的。我们称该架构为生成对抗网络（Generative Adversarial Network，GAN）。
能够创作以假乱真的画作，使GAN备受关注，特别是创意科技领域对GAN技术产生了浓厚的兴趣。GAN的作品并非单纯地从训练样本中复制、模仿，也不是将多个训练数据糅合、平均。这也正是GAN有别于其他机器学习形式之处：GAN已经超越了单纯的复制、平均训练数据，转而开始学习真正的创作和绘画。神经网络专家杨立昆（Yann LeCun）称GAN为“机器学习领域近20年来最酷的想法”。
相比于传统神经网络数十年的研究和积累，GAN是在2014年由伊恩古德费洛（Ian Goodfellow）发表论文之后才崭露头角的。
这意味着，GAN的研究才刚刚起步，有无限的创造、探索空间。同时，这也意味着，我们尚未完全理解如何像训练传统神经网络一样训练GAN。如果可以正确运行，GAN会非常有效。然而，大多数时候GAN并不能正常运行。现今，许多研究者正在针对GAN如何运行以及为何失败等问题进行研究。
本书适合读者
本书适合希望初步了解GAN以及其工作原理的读者。本书同样适用于希望学习如何使用工业级软件构建GAN的从业人员。对于较复杂的概念，本书会尽量使用通俗易懂的语言，配以大量插图加以解释。本书会尽量避免使用不必要的术语和数学公式。本书的目标是，帮助具有不同背景的读者了解GAN，并可以亲自动手搭建GAN。
本书并非一本GAN的百科全书，无法涵盖其方方面面。我们有目的地节选了最精华的部分，足够为读者深入研究做好准备。对于正在学习机器学习相关课程的学生，本书可以帮助他们快速入门，为接下来的学习打好基矗
如何使用本书
学习一门技术最好的方法莫过于亲自动手。正因为如此，本书通过逐步动手操作的方法，对概念和理论进行解释。即便读者按部就班地按照书中指示操作，仍可能会遇到问题。经历失败并寻找解决方案的过程是一种宝贵经历，甚至比从头到尾读一遍GAN的论文更有价值。
读完这本书你可以学会什么？
了解PyTorch和生成对抗网络的基本原理；
学会使用Pytorch构建自己的生成对抗网络；
生成手写数字和人脸图像，并进一步探索更复杂的卷积GAN和条件式GAN；
计算平衡GAN的理想损失值、卷积的工作原理等很多被机器学习相关教程忽略的主题。
免费和开源内容
本书提及的构建GAN所需要的工具和服务都是免费或开源的。我们希望帮助更多读者了解并学会构建神经网络和GAN，因此免费和开源工具十分重要。Python是最受欢迎、最容易上手的编程语言之一。它已经成为机器学习和人工智能领域的标准语言。它拥有活跃的全球社区以及完善的库生态系统。
目前，谷歌（Google）提供一个免费的网页版Python开发环境Google Colab。这意味着，我们无须安装Python或任何软件，仅需要一台计算机和一个浏览器，即可完全在Google Colab上开发并运行强大的神经网络。PyTorch是Python的一个扩展工具集，它简化了设计、构建以及运行机器学习模型的流程，与TensorFlow并列为最流行的机器学习架构。
同时，这些工具常用于工业界，保证读者可以学以致用。
PyTorch生成对抗网络编程
作者：[英]塔里克拉希德（Tariq Rashid）
译者： 韩江雷
内容简介：
生成对抗网络是神经网络领域的新星，被誉为“机器学习领域近20 年来最酷的想法”。本书以直白、简短的方式向读者介绍了生成对抗网络，并且教读者如何使用PyTorch按部就班地编写生成对抗网络。
全书共3章和5个附录，分别介绍了PyTorch基础知识，用PyTorch开发神经网络，改良神经网络以提升效果，引入CUDA和GPU以加速GAN训练，以及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了在很多机器学习相关教程中被忽略的主题，包括计算平衡GAN的理想损失值、概率分布和采样，以及卷积如何工作，还简单解释了为什么梯度下降不适用于对抗式机器学习。
本书适合想初步了解GAN以及其工作原理的读者,也适合想要学习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关课程的学生，本书可以帮助读者快速入门，为后续的学习打好基矗
Python神经网络编程
作者：[英]塔里克拉希德（Tariq Rashid）
译者： 林赐
内容简介：
本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。
免费和开源内容
在文章下方留言，根据点赞数送书一本，时间截止12月26日12点12分。
相关文章
