那抹阳光1994

摘要： Python拥有一些内置的数据类型，比如str, int, list, tuple, dict等， collections模块在这些内置数据类型的基础上，提供了几个额外的数据类型： namedtuple(): 生成可以使用名字来访问元素内容的tuple子类 deque: 双端队列，可以快速的从另外一 阅读全文

摘要： import numpy as np from scipy.stats import wasserstein_distance p = [0,5,9] q = [2,5,7] w = wasserstein_distance(q,p) print(w) 阅读全文

摘要： pytorch中 .detach() .detach_() 和 .data均能用于切断反向传播，取出本体的tensor数据，舍弃了grad，grad_fn等额外反向图计算过程需保存的额外信息。 .data和.detach()取出本体tensor后仍与原数据共享内存，在使用in-place操作后，会修 阅读全文

摘要： Introduction When I started working on understanding generative models, I didn’t find any resources that gave a good, high level, intuitive overview o 阅读全文

摘要： 深度解读Diederik P. Kingma和Max Welling的论文 Auto-encoding variational bayes1，对中间涉及的公式进行了详尽的推导。最后给出了变分自编码器的Tensorflow示例代码。 未经过再参数化2： 由于这个网络传递结构的一个环节是随机采样，导致无 阅读全文

摘要： torchvision.model model子包中包含了用于处理不同任务的经典模型的定义，包括：图像分类、像素级语义分割、对象检测、实例分割、人员关键点检测和视频分类。 图像分类： 语义分割： 对象检测、实例分割和人员关键点检测： 视频分类： ResNet 3D ResNet Mixed Conv 阅读全文

摘要： np.transpose(np_image, [1, 2, 0]) pytorch中读入图片并进行显示时 # visualization of an example of training data def show_image(tensor_image): np_image = tensor_im 阅读全文

摘要： 高斯分布是一类非常重要的概率分布，在概率统计，机器学习中经常用到。 一维高斯分布 一维高斯分布的概率密度函数（pdf）形式为： 红色的曲线是标准的正态分布，即均值为0，方差为1的正态分布。 我们可以采用以下方程从均值为 μ 标准差为 σ 的高斯分布中采样（再参数化技巧）: 其中，ϵ 从一个标准高斯分 阅读全文

摘要： Upsample（上采样，插值） Upsample torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None) Upsamples a given multi-channel 1D (temp 阅读全文

摘要： https://github.com/vdumoulin/conv_arithmetic [1] Vincent Dumoulin, Francesco Visin - A guide to convolution arithmetic for deep learning (BibTeX) Conv 阅读全文