book

미술관에 GAN 딥러닝 실전 프로젝트: GAN으로 쓰기, 그리기, 게임하기, 작곡하기

Name: 미술관에 GAN 딥러닝 실전 프로젝트: GAN으로 쓰기, 그리기, 게임하기, 작곡하기
ISBN: 9791162241080

by 박해선, 데이비드 포스터

November 2019

Beginner to intermediate

356 pages

7h 28m

Korean

Hanbit Media, Inc.

Read now

Unlock full access

미술관에 GAN 딥러닝실전 프로젝트
지은이·옮긴이 소개
옮긴이의 말
들어가며
감사의 말 (1/3)
감사의 말 (2/3)
감사의 말 (3/3)
PART I 생성 딥러닝을 소개합니다.
CHAPTER 1 생성 모델링
1.1 생성 모델링이란?1.1.1 생성 모델링과 판별 모델링1.1.2 머신러닝의 발전1.1.3 생성 모델의 등장
1.1.4 생성 모델링 프레임워크

1.2 확률적 생성 모델 (1/3)
1.2.1 헬로 로들!1.2.2 첫 번째 확률적 생성 모델
1.2 확률적 생성 모델 (2/3)
1.2.3 나이브 베이즈
1.2 확률적 생성 모델 (3/3)
1.2.4 헬로 로들! 앞에서 이어서
1.3 생성 모델의 난관
1.3.1 표현학습
1.4 환경 설정
1.5 요약
CHAPTER 2 딥러닝
2.1 정형 데이터와 비정형 데이터
2.2 심층 신경망
2.2.1 케라스와 텐서플로
2.3 첫 번째 심층 신경망 (1/3)
2.3.1 데이터 적재2.3.2 모델 만들기
2.3 첫 번째 심층 신경망 (2/3)
2.3.3 모델 컴파일2.3.4 모델 훈련
2.3 첫 번째 심층 신경망 (3/3)
2.3.5 모델 평가
2.4 모델 성능 향상 (1/3)
2.4.1 합성곱 층
2.4 모델 성능 향상 (2/3)
2.4.2 배치 정규화 층2.4.3 드롭아웃 층
2.4 모델 성능 향상 (3/3)
2.4.4 합성곱, 배치 정규화, 드롭아웃 적용하기
2.5 요약
CHAPTER 3 VAE - 변이형 오토인코더
3.1 미술 전시회
3.2 AE - 오토인코더 (1/3)
3.2.1 첫 번째 AE3.2.2 인코더
3.2 AE - 오토인코더 (2/3)
3.2.3 디코더3.2.4 인코더와 디코더 연결하기3.2.5 AE 분석
3.2 AE - 오토인코더 (3/3)
3.3 변경된 미술 전시회
3.4 VAE 만들기 (1/2)
3.4.1 인코더
3.4 VAE 만들기 (2/2)
3.4.2 손실 함수3.4.3 VAE 분석
3.5 VAE를 사용하여 얼굴 이미지 생성 (1/2)
3.5.1 VAE 훈련3.5.2 VAE 분석
3.5 VAE를 사용하여 얼굴 이미지 생성 (2/2)
3.5.3 새로운 얼굴 생성3.5.4 잠재 공간상의 계산3.5.5 얼굴 합성
3.6 요약
CHAPTER 4 GAN - 생성적 적대 신경망
4.1 애니멀간
4.2 GAN 소개
4.3 첫 번째 GAN (1/3)
4.3.1 판별자4.3.2 생성자
4.3 첫 번째 GAN (2/3)
4.3.3 GAN 훈련
4.3 첫 번째 GAN (3/3)
4.4 GAN의 도전 과제
4.4.1 진동하는 손실4.4.2 모드 붕괴4.4.3 유용하지 않은 손실4.4.4 하이퍼파라미터
4.4.5 GAN의 도전 과제 해결
4.5 WGAN - 와서스테인 GAN (1/2)4.5.1 와서스테인 손실4.5.2 립시츠 제약4.5.3 가중치 클리핑
4.5 WGAN - 와서스테인 GAN (2/2)
4.5.4 WGAN 훈련4.5.5 WGAN 분석
4.6 WGAN-GP (1/2)
4.6.1 그레이디언트 페널티 손실
4.6 WGAN-GP (2/2)
4.6.2 WGAN-GP 분석
4.7 요약
PART II 컴퓨터에게 그리기, 글쓰기, 작곡하기, 게임을 가르칩니다
CHAPTER 5 그리기
5.1 사과와 오렌지
5.2 CycleGAN 소개
5.3 첫 번째 CycleGAN (1/3)
5.3.1 개요5.3.2 생성자(U-Net)
5.3 첫 번째 CycleGAN (2/3)
5.3.3 판별자5.3.4 CycleGAN 컴파일
5.3 첫 번째 CycleGAN (3/3)
5.3.5 CycleGAN 훈련5.3.6 CycleGAN 분석
5.4 CycleGAN으로 모네 그림 그리기
5.4.1 생성자(ResNet)5.4.2 CycleGAN 분석
5.5 뉴럴 스타일 트랜스퍼 (1/3)
5.5.1 콘텐츠 손실
5.5 뉴럴 스타일 트랜스퍼 (2/3)
5.5.2 스타일 손실5.5.3 총 변위 손실5.5.4 뉴럴 스타일 트랜스퍼 실행
5.5 뉴럴 스타일 트랜스퍼 (3/3)
5.5.5 뉴럴 스타일 트랜스퍼 분석
5.6 요약
CHAPTER 6 쓰기
6.1 고약한 범법자를 위한 문학 클럽
6.2 LSTM 네트워크 소개
6.3 첫 번째 LSTM 네트워크 (1/3)
6.3.1 토큰화6.3.2 데이터셋 구축
6.3 첫 번째 LSTM 네트워크 (2/3)
6.3.3 LSTM 모델 구조6.3.4 임베딩 층6.3.5 LSTM 층6.3.6 LSTM 셀
6.3 첫 번째 LSTM 네트워크 (3/3)
6.4 새로운 텍스트 생성
6.5 RNN 확장
6.5.1 적층 순환 네트워크6.5.2 GRU 층6.5.3 양방향 셀
6.6 인코더-디코더 모델
6.7 질문-대답 생성기 (1/3)
6.7.1 질문-대답 데이터셋6.7.2 모델 구조
6.7 질문-대답 생성기 (2/3)
6.7.3 예측
6.7 질문-대답 생성기 (3/3)
6.7.4 모델 결과
6.8 요약
CHAPTER 7 작곡하기
7.1 준비 사항
7.1.1 음악 기호
7.2 첫 번째 음악 생성 RNN (1/4)
7.2.1 어텐션7.2.2 케라스로 어텐션 메커니즘 생성
7.2 첫 번째 음악 생성 RNN (2/4)
7.2.3 어텐션을 사용한 RNN 분석
7.2 첫 번째 음악 생성 RNN (3/4)
7.2.4 인코더-디코더 네트워크의 어텐션
7.2 첫 번째 음악 생성 RNN (4/4)
7.2.5 다중 선율 음악 생성
7.3 MuseGAN 소개
7.4 첫 번째 MuseGAN
7.5 MuseGAN 생성자 (1/2)
7.5.1 화음, 스타일, 멜로디, 리듬7.5.2 마디 생성자
7.5 MuseGAN 생성자 (2/2)
7.5.3 모두 적용하기
7.6 MuseGAN 비평자
7.7 MuseGAN 분석
7.8 요약
CHAPTER 8 게임하기
8.1 강화학습
8.1.1 오픈AI Gym
8.2 월드 모델 구조
8.2.1 VAE - 변이형 오토인코더8.2.2 MDN-RNN8.2.3 컨트롤러
8.3 환경 설정
8.4 훈련 과정
8.5 랜덤한 롤아웃 데이터 수집
8.6 VAE 훈련 (1/2)
8.6.1 VAE 구조8.6.2 VAE 살펴보기
8.6 VAE 훈련 (2/2)
8.7 RNN 훈련 데이터 수집
8.8 MDN-RNN 훈련 (1/2)
8.8.1 MDN-RNN 구조8.8.2 MDN-RNN에서 다음 z 벡터와 보상 샘플링8.8.3 MDN-RNN 손실 함수
8.8 MDN-RNN 훈련 (2/2)
8.9 컨트롤러 훈련 (1/2)
8.9.1 컨트롤러 구조8.9.2 CMA-ES8.9.3 CMA-ES 병렬화
8.9 컨트롤러 훈련 (2/2)
8.9.4 컨트롤러 훈련 출력
8.10 꿈속에서 훈련하기
8.10.1 꿈 환경에서 컨트롤러 훈련하기8.10.2 꿈속 훈련의 도전 과제
8.11 요약
CHAPTER 9 생성 모델링의 미래
9.1 최근 5년간의 발전
9.2 트랜스포머 (1/2)
9.2.1 위치 인코딩9.2.2 멀티헤드 어텐션
9.2 트랜스포머 (2/2)
9.2.3 디코더9.2.4 트랜스포머 분석9.2.5 BERT9.2.6 GPT-2
9.2.7 MuseNet
9.3 이미지 생성 분야의 발전 (1/2)9.3.1 ProGAN9.3.2 SAGAN9.3.3 BigGAN
9.3 이미지 생성 분야의 발전 (2/2)
9.3.4 StyleGAN
9.4 생성 모델링의 적용 분야
9.4.1 AI 아트9.4.2 AI 음악
CHAPTER 10 결론
INDEX (1/2)
INDEX (2/2)

Overview

이 책은 케라스를 사용한 딥러닝 기초부터 AI 분야 최신 알고리즘까지 설명한다. 기계 스스로 그림을 그리고, 글을 쓰고, 음악을 작곡하고, 게임을 하는 딥러닝 생성 모델을 재현하는 과정에서 독자는 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN), 인코더-디코더 모델, 월드 모델 등을 학습할 수 있다. 이 책에서 제시한 팁과 가이드로 모델을 효율적으로 학습시키고 창의적인 생성 모델을 만들 수 있다.

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.

Julian F.

Head of Cybersecurity

I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.

Addison B.

Field Engineer

I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.

Amir M.

Data Platform Tech Lead

I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.

Mark W.

Embedded Software Engineer

프로그래밍 스칼라: 실용적인 스칼라 활용법을 익히는 가장 확실한 실전 바이블 (2.11.x 버전 기반)

Publisher Resources

ISBN: 9791162241080

Cloud Computing

Data Engineering

Data Science

AI & ML

Programming Languages

Software Architecture

IT/Ops

Security

Design

Business

Soft Skills