生成对抗网络（GAN）是一种深度神经网络架构，是当前发展迅速的机器学习领域之一，也是人工智能领域的研究热点。GAN潜力无限，能模拟任何数据分布方式，可用于构建新一代模型，其对抗学习思想也启发了深度学习领域的许多方法，并催生了一系列新技术与新应用。

本书首先介绍GAN的理论基础，然后通过使用Keras从头构建7个完整的GAN项目，详细讲解如何创建项目、准备数据、实现网络、训练模型以及优化模型。这7个项目分别对应一种流行的技术，难度由浅入深，讲解循序渐进。通过本书，读者能够轻松入门GAN，学会在工作或项目中构建、训练并优化实际可用的GAN模型。

- 构建3D-GAN模型，生成现实世界的3D图形
- 构建Age-cGAN模型，实现人脸验证
- 构建DCGAN模型，生成动画人物
- 构建SRGAN模型，生成高分辨率图像
- 构建StackGAN模型，基于文本描述生成逼真图像
- 构建CycleGAN模型，将绘画转换为照片
- 构建cGAN模型，实现图像对图像变换

凯拉什·阿伊瓦（Kailash Ahirwar）是机器学习解决方案平台Mate Labs的联合创始人兼首席技术官，与人合作发明了去中心化的分布式深度学习训练协议Raven Protocol，机器学习和深度学习爱好者，其研究工作涉及人工智能的许多领域，包括自然语言处理、计算机视觉，以及使用GAN进行生成建模。