爽歪歪666
不以物喜,不以己悲,努力才是永恒的主题。
随笔 - 149,  文章 - 0,  评论 - 6,  阅读 - 13万
11 2019 档案
tensor 中mul_,add_解读
摘要:pytorch 中文网文档链接 https://ptorch.com/docs/1/Tensor 每一个张量tensor都有一个相应的torch.Storage保存其数据,张量类提供了一个多维的,横向视图的存储,并定义了数字操作。 img = ToTensor(img) img = img.mul_ 阅读全文
posted @ 2019-11-26 09:49 爽歪歪666 阅读(3190) 评论(0) 推荐(0) 编辑
pytorch_13_pytorch 中tensor,numpy,PIL的转换
摘要:PIL:使用Python自带图像处理库读取出来的图片格式numpy:使用Python-opencv库读取出来的图片格式tensor:pytorch中训练时所采取的向量格式 import torch import torchvision.transforms as transforms PIL to 阅读全文
posted @ 2019-11-25 21:40 爽歪歪666 阅读(954) 评论(0) 推荐(0) 编辑
Image-transpose
摘要:1 import Image 2 im=Image.open('test.jpg') 3 #out = im.resize((128, 128),Image.BILINEAR) #改变大小 4 #out = im.rotate(45) #45°旋转 5 #out = im.transpose(Ima 阅读全文
posted @ 2019-11-25 18:55 爽歪歪666 阅读(889) 评论(0) 推荐(0) 编辑
torch_13_自定义数据集实战
摘要:1.将图片的路径和标签写入csv文件并实现读取 1 # 创建一个文件,包含image,存放方式:label pokemeon\\mew\\0001.jpg,0 2 def load_csv(self,filename): 3 if not os.path.exists(os.path.join(se 阅读全文
posted @ 2019-11-21 14:36 爽歪歪666 阅读(578) 评论(1) 推荐(0) 编辑
torch_12_BigGAN全文解读
摘要:1.摘要: 尽管近来生成图片模型取得了进步,成功生成了高分辨率的图片,但是在复杂的数据集中,样本的多样性仍然是难以捉摸的目标。本文尝试在大规模上训练生成对抗网络,并研究这种规模下的不稳定性。我们发现将正交正则化应用于生成器使其能够适应简单的‘截断处理,允许通过减少生成器输入的方差来精细的控制样本保真 阅读全文
posted @ 2019-11-21 12:16 爽歪歪666 阅读(559) 评论(0) 推荐(0) 编辑
torch_12_dataset和dataLoader,Batchnormalization解读
摘要:参考博客https://blog.csdn.net/qq_36556893/article/details/86505934 深度学习入门之pytorch https://github.com/L1aoXingyu/code-of-learn-deep-learning-with-pytorch G 阅读全文
posted @ 2019-11-17 16:42 爽歪歪666 阅读(171) 评论(0) 推荐(0) 编辑
torch_11_BEGAN
摘要:BEGAN: 创新: 1.不是考虑生成图片与真实图片之间的真实的分布,而是估计分布的误差的分布之间的差距。 2.G,D的能力平衡提出了一种均衡的概念 3。提供了一种超参数,这超参数可以在图片的多样性和生成质量之间做均衡 判别模型是自编码器,生成模型则借鉴了wgan的损失函数 一张图片相当于一个数据x 阅读全文
posted @ 2019-11-17 16:09 爽歪歪666 阅读(122) 评论(0) 推荐(0) 编辑
torch_11_风格迁移和cycleGAN
摘要:1,A Neural Algorithm of atistic Style https://axiv.org/pdf/1508.06576.pdf 如何定义图片的内容,风格: 定义内容:在vggnet上,较低的层更注重图片局部的细节,较高的层更注重全局,将vgg关键层的feature 作为图片内容 阅读全文
posted @ 2019-11-17 16:09 爽歪歪666 阅读(357) 评论(0) 推荐(0) 编辑
torch_10_stackGAN-V2
摘要:核心要点 StackGAN旨在生成高分辨率的真实图片。 stackGAN-v1架构包含两个阶段:用于文本到图像的合成,阶段1GAN根据给定的文本描述绘制对象的形状和颜色,生成低分辨率图像。阶段2将阶段1的结果和文本作为输入,生成具有真实图片细节的高分辨率图像。 StackGAN-V2:针对有条件和无 阅读全文
posted @ 2019-11-06 16:23 爽歪歪666 阅读(566) 评论(0) 推荐(0) 编辑
torch_09_DCGAN_注意的细节
摘要:DCGAN github链接:https://github.com/darr/DCGAN DCGAN:1.在一次epoch中,如果第i批的i能够整除every_print,则打印到output文件中(打印出来)2.训练过程:计算损失,梯度下降3.iters:所有epochs累加到一块,迭代总次数 如 阅读全文
posted @ 2019-11-05 09:56 爽歪歪666 阅读(181) 评论(0) 推荐(0) 编辑
torch_09_GAN
摘要:1.生成对抗网络 让两个网络相互竞争,通过生成网络来生成假的数据,对抗网络通过判别器判别真伪,最后希望生成网络生成的数据能够以假乱真骗过判别器 2.生成模型 就是‘生成’样本和‘真实’的样本尽可能的相似。生成模型的两个主要功能是学习一个概率分布Pmodel(X)和生成数据。 在生成对抗网络中,不再是 阅读全文
posted @ 2019-11-03 19:14 爽歪歪666 阅读(255) 评论(0) 推荐(0) 编辑


< 2025年1月 >
29 30 31 1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31 1
2 3 4 5 6 7 8
点击右上角即可分享
微信分享提示