GAN 인 액션 (텐서플로 2.x와 케라스로 구축하는 생성적 적대 신경망)

야쿠프란그르

JakubLangr
크리에이티브와광고분야에GAN을적용하는스타트업의공동창업자.2013년부터데이터과학분야에서일했으며최근에는필터드(Filtered)에서데이터과학분야기술리더로,무다노(Mudano)에서는R&D데이터과학자로재직했다.영국버밍엄대학교와다수기업에서데이터과학강의를만들고가르쳤다.현재는옥스퍼드대학교에서객원교수로재직중이다.또한심층기술재능투자사안트러프러너퍼스트(EntrepreneurFirst)일곱번째집단의사내기업가(EntrepreneurinResidence)다.왕립통계학회회원이며다양한국제학회에초청연사로참여했다.옥스퍼드대학교를졸업했다.

[PART1GAN과생성모델링]

CHAPTER1GAN시작하기
__1.1GAN이란?
__1.2GAN의동작방식
__1.3GAN시스템
__1.4왜GAN을공부해야할까?
__1.5마치며

CHAPTER2오토인코더와생성학습
__2.1생성모델링시작하기
__2.2오토인코더의동작방식
__2.3GAN과오토인코더비교하기
__2.4오토인코더구성
__2.5오토인코더활용
__2.6비지도학습
__2.7코드가핵심이다
__2.8왜GAN일까?
__2.9마치며

CHAPTER3첫번째GAN구현하기
__3.1GAN기초:적대적훈련
__3.2생성자와판별자
__3.3GAN훈련알고리즘
__3.4튜토리얼:손글씨숫자생성하기
__3.5결론
__3.6마치며

CHAPTER4DCGAN
__4.1합성곱신경망
__4.2DCGAN의간략한역사
__4.3배치정규화
__4.4튜토리얼:DCGAN으로손글씨숫자생성하기
__4.5결론
__4.6마치며

[PART2최신GAN모델]

CHAPTER5GAN훈련의어려움과노하우
__5.1평가
__5.2훈련의어려움
__5.3게임설정정리
__5.4훈련노하우
__5.5마치며

CHAPTER6ProGAN
__6.1잠재공간보간
__6.2놀라운발전속도
__6.3주요혁신요약
__6.4텐서플로허브를사용한실습
__6.5실용적인애플리케이션
__6.6마치며

CHAPTER7SGAN
__7.1SGAN소개
__7.2튜토리얼:SGAN구현하기
__7.3지도학습분류기와비교하기
__7.4결론
__7.5마치며

CHAPTER8CGAN
__8.1동기
__8.2CGAN소개
__8.3튜토리얼:CGAN구현하기
__8.4결론
__8.5마치며

CHAPTER9CycleGAN
__9.1이미지대이미지변환
__9.2사이클-일관성손실:갔다가돌아오기
__9.3적대손실
__9.4동일성손실
__9.5구조
__9.6객체지향방식으로GAN구현하기
__9.7튜토리얼:CycleGAN구현하기
__9.8CycleGAN의확장버전과애플리케이션
__9.9마치며

[PART3앞으로배울것들]

CHAPTER10적대샘플
__10.1적대샘플소개
__10.2예측,나쁜예측,분포
__10.3올바른훈련과잘못된훈련
__10.4신호와잡음
__10.5새로운희망
__10.6적대샘플에서GAN으로
__10.7결론
__10.8마치며

CHAPTER11실용적인GAN애플리케이션
__11.1의료분야의GAN
__11.2패션분야의GAN
__11.3결론
__11.4마치며

CHAPTER12향후전망
__12.1윤리
__12.2세가지혁신GAN
__12.3더읽을거리
__12.4정리
__12.5마치며

스스로학습하고발전하는한단계높은수준의신경망
GAN은일종의자기비판적인머신러닝시스템입니다.다른머신러닝에서는찾을수없어서항상아쉬웠던점이지요.사람은끊임없이가능한계획을세우고실현가능한지구별합니다.그리고무작정일에뛰어드는게능사가아니라는걸잘알고있지요.그런점에서GAN은한단계높은수준의인공지능을구현하는정말합리적인신경망입니다.GAN은자동으로학습한표현과머신러닝피드백루프를활용할수있으니까요.

머신러닝의다른부분에는이제그닥새로울게없습니다.컴퓨터비전분야개념의대부분은이미1998년이전에고안된것입니다.반면GAN이하는일은2014년이전에는불가능하던것입니다.GAN은탄생한이후로제가이글을쓰는지금이순간까지끊임없이기하급수적으로성장하고있습니다.

GAN은가능성이많은흥미로운신세계입니다.여러분과이를함께나눌수있어서영광이고기쁩니다.이책을쓰는데2년에가까운시간이걸렸습니다.우리가그랬던것처럼여러분도이책과함께즐거운시간을보내길바랍니다.여러분이앞으로세상에내놓을놀라운발명들을하루빨리보고싶습니다.

-‘지은이의말’중에서

대상독자
이책은머신러닝과신경망을다뤄본경험이있는사람을대상으로합니다.책의각장에서필요한것을설명하기위해최선을다했지만,최소한아래나열한것들의70%정도는확실히알고있어야합니다.

1.중급이상의파이썬프로그램을만들수있는능력
2.객체지향프로그래밍에대한이해,객체를다루는방법,속성,메서드에대한이해
3.훈련/테스트데이터셋분리,과대적합,가중치,하이퍼파라미터등머신러닝기초
4.확률,밀도함수,확률분포,미분,간단한최적화등과같은기초통계학과미적분학
5.행렬,고차원공간,(이상적으로는)주성분분석같은선형대수에대한기초
6.피드포워드신경망,가중치와편향,활성화함수,규제,확률적경사하강법등딥러닝기초
7.케라스를조금이라도써본경험혹은따로학습할의지

이책의구성
이책은이론과실전을균형있게다루며총3부로구성된다.

1부GAN과생성모델링
생성학습과GAN의기초개념을살펴보고가장기본적인GAN모델을구현한다.

_1장GAN시작하기
GAN을소개하고작동원리를고수준에서설명한다.생성자와판별자네트워크가경쟁하며훈련하는방식을알아본다.

_2장오토인코더와생성학습
GAN의선구자라할수있는오토인코더를먼저알아본다.변이형오토인코더(VAE)를이용해손글씨숫자를생성해본다.

_3장첫번째GAN구현하기
GAN및적대학습과관련된이론을자세히다룬다.GAN과전통적인신경망의핵심적인차이를살펴보며,신경망들의비용함수와훈련과정의차이점을알아본다.케라스로GAN을구현하고손글씨숫자를생성해본다.

_4장DCGAN
합성곱신경망(CNN)과배치정규화를소개한다.그다음훈련과정을안정화하기위해배치정규화를활용한고급GAN구조인DCGAN을구현한다.

2부최신GAN모델
1부에서익힌기초를바탕으로GAN이론을더깊게다루고,고급GAN구조를구현한다.

__5장GAN훈련의어려움과노하우
GAN을훈련하는과정에서마주치는이론적,실제적어려움과이를극복하는방법을알아본다.학술논문과발표자료를바탕으로모범사례를알아보고GAN의성과를측정하는방법도다룬다.

__6장ProGAN
생성자와판별자를훈련하는최신방법인ProGAN을살펴본다.ProGAN은훈련과정에서새로운층을더해서우수한품질과해상도의이미지를생성해본다.

__7장SGAN
준지도학습을통해적은양의레이블된훈련데이터만으로도분류정확도를개선하는방법을배운다.SGAN을구현하고,레이블을활용하여판별자를강력한다중클래스분류기로만드는방법을살펴본다.

__8장CGAN
CGAN으로생성자와판별자를훈련하는과정에서레이블이나다른조건정보를활용하여정확히어떤샘플을합성할것인지특정할수없는생성모델링의결점을극복한다.CGAN을구현해원하는데이터를직접생성하는과정을살펴본다.

__9장CycleGAN
이미지를다른이미지로바꾸는데사용할수있는CycleGAN의혁신을살펴본다.말사진을얼룩말사진으로바꾸거나사과를오렌지로바꾸고오렌지를사과로바꾸는것등이다.

3부앞으로배울것들
GAN및적대학습의활용방법과사례를살펴본다.

__10장적대샘플
머신러닝모델을의도적으로속여실수하게만드는기술인적대샘플을살펴본다.이론과실용예제로적대샘플의중요성을설명하고GAN과연관성을살펴본다.

__11장실용적인GAN애플리케이션
앞서다룬기술이의료와패션분야에서어떻게적용되는지모범사례를살펴본다.의료분야에서는GAN을적은양의데이터를늘리는데활용하는방법을,패션분야에서는개인화콘텐츠에활용하는방법을살펴본다.

__12장향후전망
책의주요내용을요약하고GAN의윤리적측면을논하며마무리한다.이분야를지속해서탐구하고싶은이들을위해떠오르는GAN기법도소개한다.