🦜 Generative Deep Learning - 2nd Edition 项目介绍
这是 O'Reilly 书籍《生成深度学习：教机器绘画、写作、作曲和游戏》的第二版官方代码库。该项目的目标是通过代码示例帮助读者掌握生成深度学习的核心技术和应用。
📖 书籍章节概览
本书分为三个部分，共十四章，为读者提供了全面了解生成深度学习的知识体系。
第一部分：生成深度学习介绍
- 生成模型：介绍生成模型的基本概念和重要性。
- 深度学习：回顾深度学习的基础知识，为后续内容打下基础。
第二部分：生成模型的方法
- 变分自编码器 (VAE)：探索如何利用 VAE 实现数据生成。
- 生成对抗网络 (GAN)：了解GAN的工作原理及其在生成任务中的应用。
- 自回归模型：介绍这类模型如何用于序列数据的生成。
- 正则流：学习正则流在生成模型中的独特之处。
- 基于能量的模型：研究如何使用能量概念构建生成模型。
- 扩散模型：新的生成模型方法，强调数据生成过程的可逆性。
第三部分：生成模型的应用
- Transformer：展示Transformer在语言和图像生成中的应用。
- 高级GAN：深入讨论GAN的高级变体及其改进。
- 音乐生成：探索生成模型在音乐创作中的实践。
- 世界模型：使用生成模型模拟虚拟环境。
- 多模态模型：结合多种数据类型，实现更丰富的生成应用。
- 总结：总结全书内容，讨论未来的研究方向。
🚀 快速开始
Kaggle API
要下载书中的一些数据集，需要一个Kaggle账户和API令牌，可以从Kaggle账户页面获取并配置到.env文件中。
Docker设置
项目利用Docker进行环境构建和管理，推荐初学者查看代码库中的Docker使用指南来上手。可根据需要选择是否使用GPU来构建Docker镜像并运行容器，从而在本地访问Jupyter进行练习。
🏞️ 数据下载
项目提供了脚本可以方便地下载包括面孔、积木、食谱、鲜花、葡萄酒、大提琴组曲和合唱曲数据集等。有助于实践每一章的例子。
📈 Tensorboard的使用
Tensorboard用于监控实验进度和模型训练效果，通过运行脚本可以在本地浏览器查看训练曲线和性能指标。
☁️ 云虚拟机使用
若需要在云平台（如Google Cloud）中使用GPU进行实验，代码库中提供了详细的设置说明，以帮助用户快速配置云端环境。
📦 其他资源
本书的一些例子参考和改编自Keras官网的优秀开源实现，建议读者关注Keras网站，以获取更多的模型和示例。
此项目通过丰富的代码示例和详细的说明文档，帮助学习者扎实掌握生成深度学习技术，为实践生成模型奠定坚实的基础。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号