慢行厚积

2019年11月28日

CSAGAN：LinesToFacePhoto: Face Photo Generation from Lines with Conditional Self-Attention Generative Adversarial Network - 1 - 论文学习

摘要： ABSTRACT 在本文中，我们探讨了从线条生成逼真的人脸图像的任务。先前的基于条件生成对抗网络(cGANs)的方法已经证明，当条件图像和输出图像共享对齐良好的结构时，它们能够生成视觉上可信的图像。然而，这些模型无法合成具有完整定义结构的人脸图像，例如眼睛、鼻子、嘴巴等，特别是当条件线图缺少一个或多阅读全文

posted @ 2019-11-28 18:38 慢行厚积阅读(1411) 评论(1) 推荐(0) 编辑

SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis - 1 - 论文学习

摘要： https://github.com/wchen342/SketchyGAN Abstract 从人体草图中合成逼真的图像是计算机图形学和视觉学中的一个具有挑战性的课题。现有的方法要么需要精确的边缘图，要么依赖于检索现有的照片。在这项工作中，我们提出了一种新颖的生成对抗网络(GAN)方法，它综合了包阅读全文

posted @ 2019-11-28 18:37 慢行厚积阅读(2281) 评论(0) 推荐(0) 编辑

pipenv使用学习

摘要：参考https://realpython.com/pipenv-guide/#package-distribution Pipenv: A Guide to the New Python Packaging Tool Pipenv是Python的一个打包工具，它使用pip、virtualenv和旧的阅读全文

posted @ 2019-11-28 18:36 慢行厚积阅读(1203) 评论(0) 推荐(0) 编辑

2019年10月17日

C++ unordered_map的使用

摘要：参考：http://www.cplusplus.com/reference/unordered_map/unordered_map/?kw=unordered_map std::unordered_map(C++11) 无序的映射无序映射是存储键值和映射值组合形成的元素的关联容器，它允许根据键快速检阅读全文

posted @ 2019-10-17 20:05 慢行厚积阅读(56251) 评论(0) 推荐(4) 编辑

2019年10月16日

C++ vector的使用

摘要：参考：http://www.cplusplus.com/reference/vector/vector/?kw=vector std::vector （C++11） Vectors是一个序列容器，表示大小可变的数组就像数组一样，vectors（向量）为其元素使用连续的存储位置，这意味着它们的元素也阅读全文

posted @ 2019-10-16 18:34 慢行厚积阅读(2469) 评论(0) 推荐(0) 编辑

2019年9月18日

判断输出的浮点数的结果是否等价于其整数-一个数是否为2的幂次

摘要：比如想要知道一个数是否为2的幂次，运行为：返回：可见8.0 == 8 阅读全文

posted @ 2019-09-18 15:27 慢行厚积阅读(168) 评论(0) 推荐(0) 编辑

2019年9月16日

Conv2d常设置参数意义-继续扩展

摘要：记录下一些常用设置： 1.下采样当设置为： kernel_size = 4, stride = 2, padding = 1,就是将特征图宽高缩小一倍的意思，就比如是将256*256 -> 128*128 kernel_size=7, stride=2, padding=3，这个也相当于缩小一倍阅读全文

posted @ 2019-09-16 18:26 慢行厚积阅读(2591) 评论(0) 推荐(0) 编辑

tqdm学习-一个快速，可扩展的Python和CLI进度条

摘要：参考：https://pypi.org/project/tqdm/ 1.安装：使用这个方法安装好像将我conda的环境的python版本换成了1.6版本，不好：解决，回到原来的状态：在anaconda上重新安装下jupyter notebook即可换成了下面的下载方法： 2.使用 tqdm是阅读全文

posted @ 2019-09-16 17:46 慢行厚积阅读(5686) 评论(0) 推荐(0) 编辑

2019年9月12日

pytorch torch.backends.cudnn设置作用

摘要： cuDNN使用非确定性算法，并且可以使用torch.backends.cudnn.enabled = False来进行禁用如果设置为torch.backends.cudnn.enabled =True，说明设置为使用使用非确定性算法然后再设置：那么cuDNN使用的非确定性算法就会自动寻找最适合阅读全文

posted @ 2019-09-12 18:18 慢行厚积阅读(30891) 评论(0) 推荐(2) 编辑

pytorch保证每次运行使用的随机数都相同的方法

摘要：其实在代码的开头添加下面几句话即可：为了生成随机数设置种子。返回一个torch.Generator对象参数： seed (int) – 期望的种子数为当前GPU生成随机数设置种子。如果CUDA不可用，调用该方法也是安全的；在这种情况下，该调用就会被忽略参数： seed (int) – 期望的阅读全文

posted @ 2019-09-12 18:13 慢行厚积阅读(3751) 评论(2) 推荐(1) 编辑

公告