摘要：
一.GAN(生成式对抗网络） 1.基本理论 对于目标函数，可以理解为当优化D时，D（x）越大越好，D（G（z））越小越好（能区分真实样本和虚假样本） 当优化G时，D（G（z））越大越好（欺骗判别器） 2.KL散度： 一种衡量两个概率分布的匹配程度的指标 P1=P2时，KL=0 KL散度具有非负性、不 阅读全文
摘要：
Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising 论文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7839189 图像 阅读全文
摘要：
MobileNets：Efficient Convolutional Neural Networks for Mobile Vision Applications 论文地址：https://arxiv.org/pdf/1704.04861.pdf 本篇论文提出一种网络架构，允许开发人员专门选择一个与 阅读全文
摘要：
1.下载并导入数据集 下载地址：https://static.leiphone.com/cat_dog.rar 导入工作： 1）首先是导入谷歌云盘（花费时间较长） 2）将导入的数据连接到Colab项目中 代码如下： !apt-get install -y -qq software-propertie 阅读全文
摘要：
神经网络的数学基础： 1.矩阵线性变换（起到尺度和旋转上的变化，W·x与升降维、放大缩小相关，b与平移相关，与弯曲相关） 2.矩阵的秩（秩越低，数据分布越容易被捕捉，相关性大） 奇异值、低秩近似（保留决定数据分布最主要的模式/方向） 3.概率 概率分布、似然函数、对数似然函数、最大对数似然 4.策略 阅读全文
摘要：
深度学习概述+Colab配置+pytorch初次使用 1.视频学习基本知识点总结 机器学习使用情况：问题规模大->准则复杂度大->数据集->有意义的模式->没有解析解 机器学习：模型、策略、算法 机器学习模型： 模型分类：（数据标记） 监督学习：输出空间已知 无监督学习：数据标记未知，目的在于发现数 阅读全文
摘要：
这篇随笔一是应老师要求，二是作为我们小组的总结反思。纵观小组软件开发的整个过程，应了古话，凡事预则立，不预则废。 1.Github地址：https://github.com/gulaiyue/abcde 2.项目的总结反思 阿尔法迭代最大的问题是没有明确一个时间点，每个周的任务划分后没有验收反思过程 阅读全文
摘要：
β阶段我们加快了迭代的速度，在任务分配上根据每个人的擅长方面分配，发挥出了团队的最大能动力，而且经过之前阿尔法迭代的过程，对于软件的协作开发我们整个团队都有了更深的理解，所以贝塔阶段迭代十分有效率。从燃尽图可以看出，从前期我们的实际操作情况就和计划相差不多，后期更是提前完成。 阅读全文
摘要：
github代码展示： https://github.com/gulaiyue/abcde/commits/master 阅读全文
摘要：
Scrum会议 第十一周会议 https://www.cnblogs.com/ouc-xxxxxx/p/12014345.html 第十周会议 https://www.cnblogs.com/ouc-xxxxxx/p/12014342.html github相关代码 https://github.c 阅读全文