Generative AI cu Python și TensorFlow 2: Creați imagini, text și muzică cu modele VAEs, GANs, LSTMs, Transformer

Recenzii ale cititorilor

Cartea oferă o introducere în modelele generative, acoperind o gamă largă de subiecte, instrumente și aplicații, inclusiv exemple practice de programare. Este potrivită pentru începători și practicieni experimentați, deși are unele puncte slabe în structura și relevanța unor conținuturi.

⬤ Acoperire cuprinzătoare a modelelor generative și a aplicațiilor acestora.
⬤ Exemple practice de programare folosind TensorFlow și Keras.
⬤ Tutoriale detaliate privind configurarea mediilor de programare.
⬤ Se adresează unui public larg prin explicarea subiectelor complexe într-o manieră accesibilă.
⬤ O bună organizare a conceptelor fundamentale care conduc la proiecte practice.

⬤ Unele capitole sunt repetitive și includ conținut inutil.
⬤ Este posibil ca exemplele de codare să nu funcționeze întotdeauna, ducând la confuzie.
⬤ Structura cărții este criticată pentru că este prost organizată, cu erori factuale.
⬤ Exemplele din NLP sunt considerate mai slabe în comparație cu secțiunile de imagini/audio.
⬤ Unele subiecte, cum ar fi învățarea prin consolidare, nu sunt relevante pentru accentul principal pus pe modelele generative.

(pe baza a 21 recenzii ale cititorilor)

Titlul original:

Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models

Conținutul cărții:

Implementați modele generative clasice și de învățare profundă prin exemple practice

Caracteristici principale:

⬤ Explorați capacitățile creative și asemănătoare omului ale IA și generați rezultate impresionante.

⬤ Utilizați cele mai recente cercetări pentru a vă extinde cunoștințele dincolo de această carte.

⬤ Experimentați cu implementări practice TensorFlow 2. x ale modelelor generative de ultimă generație.

Descrierea cărții:

În ultimii ani, inteligența artificială generativă a jucat un rol esențial în crearea de date realiste (imagini, vorbire, video, muzică și text) de la zero. În această carte veți desluși modul în care aceste modele puternice sunt create din blocuri de construcție relativ simple și cum ați putea adapta aceste modele la propriile cazuri de utilizare.

Veți începe prin a configura medii containerizate curate pentru Python și prin a vă familiariza cu elementele fundamentale ale rețelelor neuronale profunde, învățând despre concepte de bază precum perceptronul, funcțiile de activare, retropropagarea și modul în care toate acestea sunt legate între ele. După ce ați acoperit elementele de bază, veți explora în profunzime modelele generative profunde, inclusiv seria GPT de generatoare de știri a OpenAI, rețelele pentru transferul de stil și deepfakes, precum și sinergia cu învățarea prin consolidare.

Pe măsură ce avansați, vă veți concentra asupra abstracțiilor, acolo unde este util, și veți înțelege "șuruburile și piulițele" modului în care modelele sunt compuse în cod, susținute de diagrame de arhitectură detaliate. Cartea se încheie cu o varietate de proiecte practice pentru a genera muzică, imagini, text și vorbire utilizând metodele pe care le-ați învățat în secțiunile anterioare, asamblând straturi TensorFlow, funcții utilitare și bucle de formare pentru a descoperi legături între diferitele moduri de generare.

Până la sfârșitul acestei cărți, veți dobândi cunoștințele necesare pentru a vă crea și implementa propriile modele generative de inteligență artificială.

Ce veți învăța:

⬤ Implementați transferul de stiluri împerecheate și neîmperecheate cu rețele precum StyleGAN.

⬤ Utilizați repere faciale, autoencodere și pix2pix GAN pentru a crea deepfakes.

⬤ Construiți mai multe conducte de generare a textului bazate pe LSTM, BERT și GPT-2, învățând cum atenția și transformatoarele au schimbat peisajul NLP.

⬤ Compuneți muzică utilizând modele LSTM, rețele adversariale generative simple și complexul MuseGAN.

⬤ Instruirea unui agent de învățare profundă pentru a se deplasa printr-un mediu fizic simulat.

⬤ Descoperiți aplicații emergente ale AI generativ, cum ar fi plierea proteinelor și crearea de videoclipuri din imagini.

Pentru cine este această carte:

Această carte se va adresa programatorilor Python, modelatorilor experimentați și inginerilor de învățare automată care doresc să învețe despre crearea și implementarea modelelor generative. Pentru a profita la maximum de această carte, ar trebui să aveți o familiaritate de bază cu teoria probabilităților, algebra liniară și învățarea profundă.