我正在寻找涵盖（至少）以下内容的学术（即带有数学公式）教科书：
- GAN
- LSTM 和转换器（例如 seq2seq）
- 注意力机制
我得到的最接近的匹配是深度学习（2016 年，麻省理工学院出版社），但它只涉及上述主题的一部分。
最近的深度学习教科书（即至少涵盖 GAN、LSTM 和转换器以及注意力）
人工智能
深度学习
参考请求
生成对抗网络
变压器
注意力
2021-11-12 16:32:03
2个回答
还有几本书是2016年后出版的，涵盖了你感兴趣的一些话题。我没有读过，所以我真的不知道它们是否好，但我试着总结一下如果它们涵盖了您可能感兴趣的一些主题。
Deep Learning with Python (2017)，Francois Chollet（最初的 Keras 库的作者），在第 8.5 节（第 305 页）中涵盖了 GAN，但它似乎没有涵盖转换器和注意力机制，尽管它涵盖了其他中间/高级主题（不确定程度如何），例如使用 LSTM 生成文本、DeepDream、神经风格迁移和 VAE
Grokking deep learning (2019)，作者 Andrew Trask，似乎涵盖了一些中级/高级主题（例如 LSTM 和相关任务），但没有转换器或 GAN（除非我错过了它们）；你可以在这里找到随附的代码
Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play，作者 David Foster，涵盖了 GAN、VAE 和其他东西的许多变体
第一个变形金刚于 2017 年出版，所以我想可能还没有一本书广泛涵盖它和其他相关模型，例如 GPT 模型（如果你对 CV 感兴趣，请查看这篇博文，虽然它似乎列出主要涵盖传统 CV 技术的书籍）。注意机制较旧，可能可以在涵盖机器翻译主题的教科书中找到（例如带有 LSTM 的 seq2seq 模型），例如这个。
我推荐Eugene Charniak ISBN 978-0-262-03951-2 (MIT 2018)的深度学习简介。它提到GAN& LSTM& Attention（所有三个都出现在索引中）。
但也请阅读 Pitrat 的最后一本书：人工生物：有意识机器的良心——它确实涵盖了机器学习（但不是“深度学习”意义上的），但在 2016 年之前出版。
其它你可能感兴趣的问题