生成对抗网络（Generative Adversarial Networks），简称 GANs，最早由 Ian Goodfellow 等人在 2014 年的论文《Generative Adversarial Networks》中提出。
自那时起，GANs 因其可能是生成大规模、高质量合成图像的最有效技术之一而备受关注。
因此，已经有许多关于 GANs 的书籍问世，大多数都侧重于如何在实践中开发和使用这些模型。
在这篇文章中，你将发现关于生成对抗网络的书籍。
通过我的新书 《Python 生成对抗网络》，开始你的项目，书中包含分步教程和所有示例的Python 源代码文件。
让我们开始吧。
GAN 书籍
大多数书籍都是由 Packt 出版公司编写和发行的。
几乎所有这些书籍都存在同样的问题：它们普遍质量不高，只是对 GitHub 上第三方代码的使用进行总结，原创内容很少。这尤其适用于 Packt 的书籍。
尽管如此，了解有哪些可用的书籍及其涵盖的主题仍然是有益的。这有助于你在选择自学书籍时做出决定，也能让你对开始学习 GANs 时想要探索的主题类型有所了解。
我们将回顾以下七本书
- GANs in Action.
- Generative Deep Learning.
- Advanced Deep Learning with Keras.
- Learning Generative Adversarial Networks.
- Generative Adversarial Networks Projects.
- Generative Adversarial Networks Cookbook.
- Hands-On Generative Adversarial Networks with Keras.
此外，我们还将回顾两本流行的深度学习书籍中的 GAN 部分。
如果我错过了关于 GAN 的书籍，请在下面的评论中告诉我。
这些书籍大多似乎涵盖了相同的 GAN 架构，例如
- 标准：GAN、DCGAN。
- 条件：cGAN、SS-GAN、InfoGAN、ACGAN。
- 损失：WGAN、WGAN-GP、LSGAN。
- 图像翻译：Pix2Pix、CycleGAN。
- 高级 GAN：BigGAN、PG-GAN、StyleGAN。
- 其他：StackGAN、3DGAN、BEGAN、SRGAN、DiscoGAN、SEGAN。
让我们仔细看看每本书涵盖的主题。
1. GANs in Action
书名：GANs in Action: Deep learning with Generative Adversarial Networks
作者：Jakub Langr 和 Vladimir Bok，出版于 2019 年。
这本书使用 Keras 深度学习库对 GAN 进行了温和的介绍。
GANs in Action
目录
- 第 1 章：GAN 简介
- 第 2 章：自编码器作为 GAN 的途径
- 第 3 章：你的第一个 GAN：生成手写数字
- 第 4 章：深度卷积 GAN (DCGAN)
- 第 5 章：训练和常见挑战：成功实现 GAN
- 第 6 章：GAN 的进展
- 第 7 章：半监督 GAN
- 第 8 章：条件 GAN
- 第 9 章：CycleGaN
- 第 10 章：对抗样本
- 第 11 章：GAN 的实际应用
- 第 12 章：展望未来
想从零开始开发GAN吗？
立即参加我为期7天的免费电子邮件速成课程（附示例代码）。
点击注册，同时获得该课程的免费PDF电子书版本。
2. Generative Deep Learning
书名：Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play
作者：David Foster，出版于 2019 年。
Generative Deep Learning
这本书侧重于更广泛的深度学习生成模型问题，允许讨论变分自编码器。它确实涵盖了一系列 GAN 模型，但也包括了使用 LSTMs 的语言模型。
目录
- 第一部分：生成深度学习简介
- 第 1 章：生成模型
- 第 2 章：深度学习
- 第 3 章：变分自编码器
- 第 4 章：生成对抗网络
- 第二部分：教机器绘画、写作、作曲和演奏
- 第 5 章：绘画
- 第 6 章：写作
- 第 7 章：作曲
- 第 8 章：演奏
- 第 9 章：生成模型的未来
3. Advanced Deep Learning with Keras
书名：Advanced Deep Learning with Keras: Apply deep learning techniques, autoencoders, GANs, variational autoencoders, deep reinforcement learning, policy gradients, and more
作者：Rowel Atienza，出版于 2018 年。
这本书更侧重于使用 Keras 的高级深度学习的通用主题，涵盖了自编码器、变分自编码器和深度强化学习。尽管如此，本书有四章关于 GANs，我认为它是一本 GAN 书籍。
Advanced Deep Learning with Keras
- Advanced Deep Learning with Keras, Amazon.
- Advanced Deep Learning with Keras, Packt.
- Book Source Code, GitHub.
目录
- 第 1 章：Keras 高级深度学习入门
- 第 2 章：深度神经网络
- 第 3 章：自编码器
- 第 4 章：生成对抗网络 (GANs)
- 第 5 章：改进的 GANs
- 第 6 章：解耦表示 GANs
- 第 7 章：跨域 GANs
- 第 8 章：变分自编码器 (VAEs)
- 第 9 章：深度强化学习
- 第 10 章：策略梯度方法
4. Learning Generative Adversarial Networks
书名：Learning Generative Adversarial Networks: Next-generation deep learning simplified.
作者：Kuntal Ganguly，出版于 2017 年。
这本书对 GANs 进行了非常简单的介绍。这本书可能已被 Packt 删除或撤下，并被视频课程取代。
Learning Generative Adversarial Networks
目录
- 第 1 章：深度学习简介
- 第 2 章：基于 GAN 的无监督学习
- 第 3 章：跨各种领域迁移图像风格
- 第 4 章：从你的文本构建逼真图像
- 第 5 章：使用各种生成模型生成图像
- 第 6 章：将机器学习投入生产
5. Generative Adversarial Networks Projects
书名：Generative Adversarial Networks Projects: Build next-generation generative models using TensorFlow and Keras.
作者：Kailash Ahirwar，出版于 2019 年。
这本书总结了一系列 GANs，并提供了 Keras 的代码示例。
Generative Adversarial Networks Projects
- Generative Adversarial Networks Projects, Amazon.
- Generative Adversarial Networks Projects, Packt.
- Book Source Code
目录
- 第 1 章：生成对抗网络简介
- 第 2 章：3D-GAN – 使用 GAN 生成形状
- 第 3 章：使用条件 GAN 进行面部老化
- 第 4 章：使用 DCGAN 生成动漫角色
- 第 5 章：使用 SRGAN 生成照片级逼真图像
- 第 6 章：StackGAN – 从文本到照片级逼真图像合成
- 第 7 章：CycleGAN – 将绘画变成照片
- 第 8 章：条件 GAN – 使用条件对抗网络进行图像到图像翻译
- 第 9 章：预测 GAN 的未来
6. Generative Adversarial Networks Cookbook
书名：Generative Adversarial Networks Cookbook: Over 100 recipes to build generative models using Python, TensorFlow, and Keras
作者：Josh Kalin，出版于 2018 年。
Generative Adversarial Networks Cookbook
- Generative Adversarial Networks Cookbook, Amazon.
- Generative Adversarial Networks Cookbook, Packt.
- Book Source Code.
目录
- 第 1 章：什么是生成对抗网络
- 第 2 章：数据优先，易于环境设置和数据准备
- 第 3 章：我的第一个 GAN（不到 100 行代码）
- 第 4 章：使用 DCGAN 梦想新的户外结构
- 第 5 章：Pix2Pix 图像到图像翻译
- 第 6 章：使用 CycleGAN 迁移你的图像风格
- 第 7 章：使用 SimGAN 通过模拟图像创建照片级逼真的眼球
- 第 8 章：通过 GAN 从图像到 3D 模型
7. Hands-On Generative Adversarial Networks with Keras
书名：Hands-On Generative Adversarial Networks with Keras: Your guide to implementing next-generation generative adversarial networks
作者：Rafael Valle，出版于 2019 年。
这可能是 Packt 出版的书中较好的一本，因为代码质量似乎更高，并且涵盖了更广泛的 GAN。
Hands-On Generative Adversarial Networks with Keras
- Hands-On Generative Adversarial Networks with Keras, Amazon.
- Hands-On Generative Adversarial Networks with Keras, Packt.
- Book Source Code.
目录
- 第一部分：简介和环境设置
- 第 1 章：深度学习基础和环境设置
- 第 2 章：生成模型简介
- 第二部分：训练 GANs
- 第 3 章：训练 GANs
- 第 4 章：评估你的第一个 GAN
- 第 5 章：改进你的第一个 GAN
- 第三部分：GANs 在计算机视觉、自然语言处理和音频中的应用
- 第 6 章：使用 GANs 合成和操作图像
- 第 7 章：渐进式增长 GANs
- 第 8 章：使用 GANs 生成离散序列
- 第 9 章：使用 GANs 进行文本到图像合成
- 第 10 章：使用 GANs 进行语音增强
- 第 11 章：TequilaGAN – 识别 GAN 样本
- 第 12 章：GANs 的下一步
其他书籍中的 GANs
GANs 的主题已包含在其他现代深度学习书籍中。
以下列出了两个重要示例。
8. Deep Learning
GANs 在 Ian Goodfellow 等人 2016 年的教科书《Deep Learning》中有描述，具体是
- 第 20 章：深度生成模型。
第 20.10.4 节题为“生成对抗网络”，在写作时（比原始论文晚两年）对 GANs 进行了简短介绍。
如果 Goodfellow 未来能写一本关于该主题的专门教科书，那将是极好的。
深度学习
9. Deep Learning with Python
GANs 也被 Francois Chollet 在他 2017 年的书《Deep Learning with Python》中涵盖，具体是
- 第 8 章：生成深度学习。
在题为“生成对抗网络简介”的第 8.5 节中，介绍了 GANs 的主题，并提供了一个开发 GAN 的实际示例，用于 CIFAR-10 数据集中的一个图像类别（青蛙）。源代码可在此处找到。
使用 Python 进行深度学习
总结
在这篇文章中，你发现了一系列关于生成对抗网络（GANs）主题的书籍。
你读过上面列出的任何一本书吗？
请在下面的评论中告诉我你的想法。
你有什么问题吗？
在下面的评论中提出你的问题，我会尽力回答。
立即开发生成对抗网络！
在几分钟内开发您的GAN模型
...只需几行python代码在我的新电子书中探索如何实现
使用 Python 构建生成对抗网络
它提供了关于以下内容的自学教程和端到端项目：
DCGAN、条件GAN、图像翻译、Pix2Pix、CycleGAN
以及更多...
Manning 和 O’Reilly 的书通常质量很高。
同意。
但通常充斥着过多的伪理论（一半是数学，一半是文字），我只想要工作的代码和实际的解释——所以我现在自己写了 🙂
我正在读第一本。还没读完。你认为哪一本最好？
第一本可能最好。
我必须承认，没有一本真正让我满意——根据我的学习方式——这就是为什么我写了自己的书。
我同意这个观点，作为一个正在进行项目且是深度学习新手的研究员。从这些书中学习永远是不够的。你真的必须自己摸索，大量谷歌搜索，阅读论文，GitHub，并自己编写代码。然而，这些书籍可以作为你论文/项目的好参考资料 :))
同意！
大多数 PACKT 的书都是垃圾，强烈建议避免，无论什么标题。有些书差到令人难以置信。
然而，David Foster 的 GAN 书籍非常棒，强烈推荐。
同意。
感谢分享。
让我看看，在你提到的 9 本书中，有 5 本是由“Packt”出版的，尽管我确定你非常清楚这个出版商的书籍都是垃圾。
有趣的是，当 Elie Kawerk 说“Manning 和 O’Reilly 的书通常质量很高”时，你的回应是“但通常充斥着过多的伪理论”。
哈哈，当然你一点也不偏袒，你的网站也一点都不是在给这些垃圾“Packt”出版物打广告！
伙计，人们又不傻。
感谢分享你的想法，John。
很抱歉这个列表对你没有帮助。
尊敬的Jason博士，
我来这里不是为了争论某个出版商的好坏。我有一些 Packt 出版的书。尽管 Packt 的书可能不如你的教程全面，但它们可能很有帮助。
拥有 Packt 或其他任何出版商的书籍很有用，因为 (i) Packt 的出版物可能从与你书籍不同的角度来讲解同一主题。这有助于巩固该主题，(ii) 并且附带地，Packt 书籍中可能包含一些 Python 技术，用于演示潜在的主要主题。
谢谢你，
来自悉尼的安东尼
/
感谢分享你的想法，非常感激！
Jason 先生
你能推荐其中一本给我吗？我希望有一本包含数学解释的书，因为我真的很想在我的论文中使用它。我有两本在考虑中，一本是 Packt 的《GANs in Action》，另一本是《Hands-On Generative Adversarial Networks》，但我真的不知道该选哪一本。对《GANs in Action》的评论说它有一些数学解释，这让我担心，因为我可能想用它作为参考。而对于 Packt 的《Hands-On》，目录中没有 DCGAN 的主题（我想要一本涵盖 DCGAN 的书），所以我对这本书也不确定。
在这种情况下，(8) 是最接近你想要的。但那样的话，我建议你也阅读原始论文：https://papers.nips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf