"《生成对抗网络GAN：从理论到PyTorch实现》系统地讲解了生成对抗网络(GAN)的基本原理以及PyTorch编程技术，内容较全面，可操作性强，将理论与实践相结合。读者通过理论学习和编程实践操作，可了解并掌握生成对抗网络的基本原理和PyTorch编程技能，拉近理论与实践的距离。 《生成对抗网络GAN：从理论到PyTorch实现》共分8章，主要内容包括生成对抗网络介绍、简单全连接GAN、深度卷积GAN、Wasserstein GAN、条件GAN、StyleGAN、Pix2Pix、CycleGAN，涵盖了丰富多彩的生成对抗网络的原理和示例。此外，本书源码已全部在Python 3.10.9 + PyTorch 1.13.1 + CUDA 11.6版本上调试成功。 《生成对抗网络GAN：从理论到PyTorch实现》适合生成对抗网络爱好者和PyTorch编程人员作为入门和提高的技术参考书，也适合用作计算机专业高年级本科生和研究生的教材或教学参考书。 "

袁梅宇，工学博士，硕士导师。现在昆明理工大学计算机系任教，为本科生和研究生主讲软件工程、Java程序设计、Java EE技术、数据库原理、机器学习、人工智能等多门核心课程。出版图书主要有《Java EE企业级编程开发实例详解》、《数据挖掘与机器学习——WEKA应用技术与实践》《数据挖掘与机器学习——WEKA应用技术与实践（第二版）》《求精要诀——Java EE编程开发案例精讲》《机器学习基础——原理算法与实践》《PyTorch编程技术与深度学习》。

　　生成对抗网络(Generative Adversarial Networks，GAN)被学术界和工业界的专家们誉为“深度学习中最重要的创新之一”。Facebook的人工智能研究主管、图灵奖得主杨立昆(Yann LeCun)甚至表示GAN及其变体是“过去20年来深度学习中最酷的想法”。GAN的创立来自“GAN之父”伊恩·古德费罗(Ian Goodfellow)的突发奇想。据说，2014年蒙特利尔大学的博士生Ian Goodfellow在一家酒吧与朋友讨论学术问题时，突然想到一种让神经网络教会机器如何生成逼真照片的AI技术，并连夜在电脑上完成GAN的代码。GAN的设计非常优雅：第一个AI尝试创造它认为的真实图像，第二个AI分析结果并尝试判断图像的真假。 　　至今，GAN已经在理论上突飞猛进地发展了10年，各种GAN在不同领域中的应用在遍地开花。在计算机视觉中的应用包括图像和视频的生成、图像与图像或文字之间的翻译、目标检测、语义分割等。除了图像领域，GAN 还广泛应用于文本、语音等领域。 　　尽管GAN技术非常吸引人，但要掌握GAN并不容易，因为学习相关知识(诸如判别器、生成器、神经网络、卷积神经网络和各种GAN理论)具有一定的难度，同时掌握PyTorch等深度学习工具也很困难。因此，一本容易上手的生成对抗网络入门图书肯定会对GAN初学者有很大的帮助，本书就是专门为初学者精心编写的。 　　初学者学习生成对抗网络理论与PyTorch编程技术一般都会面临三个“拦路虎”。第一个“拦路虎”是必须具备一定的深度学习理论基础知识。深度学习包含很多需要掌握的基本概念，如神经元、激活函数、...