摘要:
生成式对抗网络 (Generative Adversarial Networks) 生成式对抗网络的应用: 图像着色、图像超像素、背景模糊、人脸生成、人脸定制、卡通图像生成、文本生成图片、字体变换、分格变换、图像修复、帧预测 生成式对抗网络及其衍生网络: GAN 生成式对抗网络由判别器和生成器组成: 阅读全文
摘要:
一、绪论 1、应用 语音问答、机器翻译、股票预测、作诗作词、模仿写论文/代码、图像理解、视觉问答 2、循环神经网络vs卷积神经网络 传统神经网络,卷积神经网络,输入和输出是相互独立的 RNN可以更好的处理具有时序关系的任务 RNN通过其循环结构引入“记忆”的概念 二、基本结构 深度RNN 双向RNN 阅读全文
摘要:
一、代码练习 1.HybridSN class_num = 16 class HybridSN(nn.Module): def __init__(self): super(HybridSN, self).__init__() # conv1:(1, 30, 25, 25), 8个 7x3x3 的卷积 阅读全文
摘要:
1、代码练习 MobileNetV1 网络 class Block(nn.Module): '''Depthwise conv + Pointwise conv''' def __init__(self, in_planes, out_planes, stride=1): super(Block, 阅读全文
摘要:
二、代码练习 1、MNIST 数据集分类 卷积神经网络(CNN) 深度卷积神经网络中,有如下特性 很多层: compositionality 卷积: locality + stationarity of images 池化: Invariance of object class to transla 阅读全文
摘要:
2、代码训练 2.1 图像处理基本练习 1. 下载并显示图像 !wget https://raw.githubusercontent.com/summitgao/ImageGallery/master/yeast_colony_array.jpg import matplotlib import n 阅读全文
摘要:
1、回顾一下你对研究生生活的畅想:当初你是为何做出选择读研/读博决定的?将来你会从事计算机相关的工作吗?是的话给出你想从事的岗位,否的话给出原因。 我是跨专业考进来的,原因很简单,我发现自己是真的很喜欢计算机这个专业,喜欢敲代码时指尖与键盘碰撞发出的声响,喜欢看自己的程序跑出预期效果时带来的愉快,喜 阅读全文