生成对抗神经网络（Generative Adversarial Nets，GAN）作为一种深度学习框架，发展十分迅猛。通过相互对抗的神经网络模型，GAN能够生成结构复杂且十分逼真的高维度数据。因此，被广泛应用于学术研究和工程领域，包括图像处理，如图像生成、图像转换、视频合成；序列数据生成，如语音生成、音乐生成等；以及其他众多领域，如迁移学习、医学图象细分、隐写术、持续学习（深度学习重放）等。 GAN的技术较为复杂，细分领域众多，发展十分迅猛，因此，需要一个科学有效的学习方法。首先，需要了解GAN的全景，对GAN的发展脉络和各个细分领域都有所了解，在面对各种各样的应用场景时能够胸有成竹。其次，掌握生成对抗的基本原理，以及实现生成对抗的关键技术，在面对GAN领域出现的各种新理念、新技术时能够追本溯源，从容应对。最后，再针对关键的GAN进行深入研究。本书正是按照上述方式来组织的。让有志于学习研究GAN的读者快速入门并掌握GAN的关键技术，是写作本书的初衷。