2020年7月21日
摘要: 定义网络,莫凡讲的都是用sequential搭 定义优化器, G=torch.optim.Adam(G.parameter(),lr=LR) 先得有真实的数据,之前可以定义 def artist_work(): ... return paintings 在训练过程中才定义损失函数 for step 阅读全文
posted @ 2020-07-21 15:46 DoctorZhao 阅读(106) 评论(0) 推荐(0) 编辑
  2020年7月12日
摘要: https://www.cnblogs.com/kevingrace/p/8072860.html 阅读全文
posted @ 2020-07-12 11:28 DoctorZhao 阅读(93) 评论(0) 推荐(0) 编辑
摘要: https://www.cnblogs.com/liang1101/p/9466109.html 阅读全文
posted @ 2020-07-12 11:21 DoctorZhao 阅读(69) 评论(0) 推荐(0) 编辑
  2020年7月6日
摘要: https://blog.csdn.net/snow_cake/article/details/82851956 阅读全文
posted @ 2020-07-06 14:02 DoctorZhao 阅读(53) 评论(0) 推荐(0) 编辑
  2020年7月2日
摘要: 为什么函数在某点处的方向导数有且只有一个最大值 方向导数就是函数在某个方向的导数,也就是函数在某个方向函数值变化快慢的表现,具体看知乎这里 https://www.zhihu.com/search?type=content&q=%E6%96%B9%E5%90%91%E5%AF%BC%E6%95%B0 阅读全文
posted @ 2020-07-02 16:33 DoctorZhao 阅读(335) 评论(0) 推荐(0) 编辑
摘要: 中心极限定理:指出大量的随机变量近似服从正态分布的条件 独立同分布的中心极限定理:随机变量独立同分布,并具有有限的数学期望和方差,只要 n 足够大,便可以把独立同分布的随机变量之和当作正态变量 n 足够大时 ,Xi 求和 近似服从 N(nE(xi),nD(xi)) 对概率密度函数积分算概率 P = 阅读全文
posted @ 2020-07-02 10:16 DoctorZhao 阅读(562) 评论(0) 推荐(0) 编辑
  2020年7月1日
摘要: 使用预训练模型可以帮助其他复现者有效达到论文结果,将下载好的模型放入指定文件夹 高/低方差:预测值的变化范围 高/低偏差:预测值和真实值间的差距,偏差越大,越偏离真实数据 训练要求:低偏差,低方差,这样预测准确率较高,并且模型鲁棒性较好 ground truth 有人将所有标注数据都叫做 groun 阅读全文
posted @ 2020-07-01 21:20 DoctorZhao 阅读(260) 评论(0) 推荐(0) 编辑
摘要: 对抗生成网络中,输入噪声的维度,以 mnist为例,是28*28=784的图像 gan的本质是将一个均匀随机分布映射到mnist上,假设mnist是任意图像,不仅仅是手写数字,理论上噪声维度需要784以上才能完成这个任务 但大部分数据是冗余的,可以使用更低维度的数据重建它 算法具体步骤 初始化 ge 阅读全文
posted @ 2020-07-01 20:55 DoctorZhao 阅读(246) 评论(0) 推荐(0) 编辑
摘要: linspace(0,20,5) [0,20) 五等分 arange(0,20,2) [0,20) 步长为2 .Linear(30,20) 线性变换本来是30 变为 20 阅读全文
posted @ 2020-07-01 20:04 DoctorZhao 阅读(111) 评论(0) 推荐(0) 编辑
摘要: 一、查看当前维度 .size() 二、张量变形 .view(3,-1) # -1 是根据维度自己变化 三、解压 unsqueeze() 压缩 squeeze(),可指定具体维度,dim=1 四、扩大张量 .expand() 五、重复张量 .repeat(2,3) # 在指定维度重复原 tensor 阅读全文
posted @ 2020-07-01 20:01 DoctorZhao 阅读(834) 评论(0) 推荐(0) 编辑