译者序

近年来，机器学习、神经网络等人工智能相关技术发展迅速，在许多应用领域取得了令人瞩目的成就。越来越多的普通人也得以亲身体验到人工智能带来的变化和便利；与此同时，越来越多的专业人士投入人工智能技术的研究和开发中。成功的应用案例加上高活跃度的从业群体，使智能社会的愿景越来越接近现实。

对许多初学者来说，学习人工智能技术首先要面临两大挑战。第一大挑战便是对于一项技术的理论基础以及工作原理的理解。在很多教科书中，理论的讲解通常需要大量的数学公式和推导过程。第二大挑战是，即便初学者理解了理论，但要将公式转化为可运行的代码，仍然要求初学者具有扎实的编程能力。有没有这样一本书，可以结合理论和编程，帮助初学者快速入门呢？本书正是这样一本入门教程。本书搭配简洁的代码和图表，解释核心的理论要点。书中的代码易懂且实用，可以帮助读者在短时间内构建可运行的模型。同时，模块化的代码可复用性强，方便读者举一反三。

生成对抗网络（Generative Adversarial Network，GAN）是神经网络领域的新星。传统神经网络架构具有局限性，一般只能根据输入数据进行类别或数值预测。相比之下，训练后的GAN能自主生成全新的数据，应用潜力巨大。自从伊恩·古德费洛（Ian Goodfellow）关于GAN的论文首次发表后，GAN在业界受到了广泛的关注，引用和扩展GAN的工作层出不穷。本书介绍的图像生成案例极具代表性，其应用GAN的实际效果也很明显。阅读本书之后，读者可以发挥想象力，用其他图像数据集或其他类型数据训练GAN。同时，本书对训练GAN的主要挑战的讨论，也十分具有启发性。

通过翻译本书，译者希望能够帮助更多的中文读者了解并掌握GAN这项新的技术，并对人工智能有新的理解和体验。由于中英文的使用习惯有所区别，并且大量技术名词没有统一的中文译名，翻译中难免有值得商榷之处，希望广大读者批评指教。

韩江雷