内容更丰富、工具更新
相比第二版多了如下内容:
-------------------
第17章介绍一种常用的神经网络对抗训练机制,可用于生成逼真的新图像。该章首先简要地介绍自动编码器,这是一种可用于数据压缩的特定类型的神经网络体系结构。然后展示如何将自动编码器的解码器部分与第二个神经网络相结合,以区分真实图像和合成图像。通过让两个神经网络在对抗性训练中相互竞争的方法,实现用于生成新的手写数字的生成对抗网络。最后,在介绍生成对抗网络的基本概念之后,介绍诸如Wasserstein距离指标等可以提高对抗性训练稳定性的方法。
第18章讨论常用于训练机器人和其他自主系统的机器学习子类别。该章首先介绍强化学习
(RL)的基础知识,让你熟悉智能体与环境的交互、强化学习系统的奖励过程,以及从经验中学习的概念。涵盖基于模型和无模型两大类强化学习。在介绍完基本算法(如基于蒙特卡罗和基于时间距离的学习)之后,我们将动手实现并训练一个可以使用Q学习算法在网格世界环境里导航的智能体。最后,该章将介绍深度Q学习算法,这是使用深度神经网络的Q学习的变体。
-------------------
另TF更新为2.0的,第一版译版错误较多,不建议阅读 。
© 本文版权归作者 Demons 所有,任何形式转载请联系作者。
有关键情节透露