★★★★★ AI관련 번역책을 10권 정도 샀었는데 그중 단연코 최고 였습니다.(eksis 님)
★★★★★ GAN에 대해 이만큼 친절하게 설명해준 책이 또 있었나 싶을 정도이다(aetty 님)
♥♥♥♥ GAN을 어렵지 않게 재미있게 설명해주는 책입니다.(ky**oo 님)

‘미술관에 GAN 딥러닝’은 데이비드 포스터^{David Foster}가 쓴 아마존 베스트셀러 ‘Generative Deep Learning’의 번역서입니다.

이 책은 딥러닝을 사용한 생성 모델링 분야에서 주목받는 최신 기술을 소개하고 예제를 만들어 봅니다. 특히 짧은 우화를 사용하여 어렵게 느껴질 수 있는 알고리즘을 쉽고 재미있게 설명해 줍니다. 저자의 스토리텔링 기술이 정말 탁월합니다. 이 책이 다루고 있는 모델은 오토인코더, 변이형 오토인코더, DCGAN, WGAN, WGAN-GP, Cycle GAN, Neural Style Transfer, LSTM, Encode-Decoder 모델, 질문-대답 생성기, MuseGAN, World Model, Transformer 등입니다. 이 책과 함께 흥미로운 생성 모델의 세계로 탐험을 떠나 보시죠! 🙂

• 온라인/오프라인 서점에서 판매중입니다. [교보문고] [Yes24]
• 356페이지, 컬러: 32,000원 –> 28,800원, 전자책: 25,600원
• 이 책에 실린 코드는 깃허브에 있습니다.

이 페이지에서 책의 에러타와 라이브러리 버전 변경에 따른 바뀐 점들을 계속 업데이트 하겠습니다. 이 책에 대해 궁금한 점이나 오류가 있으면 이 페이지 맨 아래 ‘Your Inputs’에 자유롭게 글을 써 주세요. 또 제 이메일을 통해서 알려 주셔도 되고 구글 그룹스 머신러닝/딥러닝 도서 Q&A에 글을 올려 주셔도 좋습니다.

감사합니다! 🙂

Outputs (aka. errata)

• ~8: 2쇄에 반영되었습니다.
• ~18: 3쇄에 반영되었습니다.

1. (p139) [예제 4-5]의 두 번째 함수 이름이 누락되었습니다. def (batch_size):를 def train_generator(batch_size):로 정정합니다.(Jo*y 님)
2. (p129) 마지막 문단에서 “[예제 4-2]처럼“을 “[예제 4-1]처럼“으로 정정합니다.(이*성 님)
3. (p97) [예제 3-3]에서 다음 코드가 들여 쓰기가 되어야 합니다. 즉 for 반복문 안에 들어가야 합니다.

   if i < self.n_layers_decoder - 1:
       x = LeakyReLU()(x)
   else:
       x = Activation(‘sigmoid’)(x)

4. (p109) [예제 3-7]의 아래에서 8번째 줄 끝에 # 기호를 삭제합니다.
5. (p148) [예제 4-6]의 첫 번째 줄에 함수 이름이 누락되었습니다. def (y_true, y_pred):를 def wasserstein(y_true, y_pred):로 정정합니다.
6. (p149, 150, 151) 4.5.3 절의 첫 번째 줄에서 ‘판별자’를 ‘비평자’로 정정합니다. 마찬가지로 p149의 마지막 줄, [예제 4-7]의 제목, 4.5.4 절의 1,3,5,6,7 번째 줄, p151의 네 번째와 다섯 번째 리스트 항목의 ‘판별자’를 ‘비평자’로 정정합니다.
7. (p112) 페이지 중앙의 KL 발산 공식에서 을 로 정정합니다.
8. (p93) [그림 3-5] 아래 첫 번째 줄에서 ‘Conv2D 층5을 통과하면서’를 ‘Conv2D 층⁵을 통과하면서’로 정정합니다.
9. (p339) [그림 9-13]에서 3개의 ‘Const 3×3’을 ‘Conv 3×3’으로 정정합니다.
10. (p194) 두 번째 문단에서 “따라서 스타일 손실을 계산하려면 베이스 이미지와 합성된 이미지에 대해 네트워크의 여러 층에서 그람 행렬을 계산해야 합니다. … 베이스 이미지(S)와 생성된 이미지(G) 사이의 …”를 “따라서 스타일 손실을 계산하려면 스타일 이미지와 합성된 이미지에 대해 네트워크의 여러 층에서 그람 행렬(GM)을 계산해야 합니다. … 스타일 이미지(S)와 생성된 이미지(G) 사이의 …”로 정정합니다.(성*원 님)
11. (p61) 예제 2-1의 코드에서 Sequential 모델 생성 부분을 다음과 같이 바꿉니다.(Eun** Jeon 님)

    model = Sequential([
                        Flatten(input_shape=(32, 32, 3)),
                        Dense(200, activation='relu'),
                        Dense(150, activation='relu'),
                        Dense(10, activation='softmax')
    ])

12. (p77) 위에서 9번째 줄에서 “너비는 16의 절반이 됩니다“를 “너비는 16인 반으로 줄어듭니다“로 정정합니다.(방*준 님)
13. (p119) 아래에서 9번째 줄에서 ‘목적이 완변한 재구성 손실을’을 ‘목적이 완벽한 재구성 손실을’로 정정합니다.(방*준 님)
14. (p153) [그림 4-15]에서 가짜 이미지를 입력받는 비평자의 오른쪽의 타깃 값을 1에서 -1로 정정합니다. 진짜 이미지를 입력받는 비평자의 오른쪽 타깃 값은 -1에서 1로 정정합니다.(w*k 님)
15. (p37) 아래에서 3번째 줄에 “이 데이터셋이 일부 특성이 다른 것보다 우선되는 어떤 분포 로 생성되었다고 가정해보죠”를 “일부 특성이 다른 것보다 우선되는 어떤 분포 로 이 데이터셋이 생성되었다고 가정해보죠”로 수정합니다.(최*성 님)
16. (p188) 아래에서 7번째 줄에 “격자 문의가 나타나지”를 “격자 무늬가 나타나지”로 정정합니다.(최*성 님)

Your Inputs