构建生成式对抗网络（GANs）是一件复杂的任务，因为要找到容易理解的代码是一件不容易的事情。这本书会通过八个生成式对抗网络的实施案例来引导读者，包括：CycleGAN、simGAN、DCGAN以及使用生成式对抗网络进行模仿学习等。本书每一章的结构都建立在常见的Python和Keras架构之上，然后逐步探索相对困难的GAN架构，这种顺序使得本书的内容更易理解。本书一开始介绍了GAN架构的不同种类来帮助你理解这个模型的运作原理，你将会学到如何进行像是制作人造高分辨率图像、文本图像合成以及生成视频这一类关键的任务和操作，而且还会接触到一些用例，像是DCGAN以及deepGAN等。若你想要精通这一复杂的应用工具，你最好使用一些真实的资料组，这样效果会更好。在本书的最后，你将会面对一些使用GAN模组时可能会遇到的困难和挑战，不过多亏有这样简单易懂的代码方案，现在你可以轻松应对它们了。