有三上个月出版了新书《生成对抗网络GAN：原理与实践》，Generative Adversarial Networks（中文名生成对抗网络，简称GAN）自从被提出来后，其发展就非常迅猛，几乎已经被应用于所有CNN可以使用的领域，应用涉及图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升。
学好GAN算法，对于计算机视觉领域从业，完全是有必要的。我们公众号输出过非常多的GAN相关资源，包括几十篇理论与实战技术文章，免费与付费的视频课，知识星球中的GAN模型原理解读专题。本次书籍出版，可作为我们最系统的一个总结。本书是一本系统性地讲解GAN理论、模型、常见问题，并为视觉和语音领域的大部分应用场景提供GAN解决方案和综合实践的书。
更加完整的内容介绍，请大家阅读：言有三新书来袭，全面系统性地讲解生成对抗网络GAN原理与实践
本书包含有若干实践，现在我们将所有代码开源到配套的GitHub项目，地址为https://github.com/longpeng2008/yousan.ai，下面是项目截图。
本书包含有若干实践项目，下面是视觉相关的实践项目名称与截图。
DCGAN图像生成实战
StyleGAN人脸图像生成实战
Pix2Pix图像上色实战
StyleGAN人脸属性编辑实战
SRGAN图像超分辨实战
Adabox对抗攻击实战
勘误
由于作者的水平和时间有限，以及编辑在加工稿件过程中的失误，第一版印刷中存在一些错误，现汇总如下。
1、第2章32页，由于小数四舍五入导致横坐标x归一化问题错误，应该是0～1之间，正确形式如下。
2、第5章136页，倒数第4行‘如图5-35’，应该是‘如图5-36’。
3、第5章139页，第2行ReLU层，应该是LReLU层。
4、第6章169页，图6-10中第2个GAND应该是GANG。
5、第7章200页，图7-8中的所有字母丢失，正确形式如下：
另外由于编辑加工格式失误，导致一些地方的代码缩进存在问题，请大家根据源代码进行学习，更多问题欢迎大家进行反馈。
标签：实战,勘误,实践,生成,GAN,开源,图像,对抗 From： https://blog.51cto.com/u_14122493/5953475