摘要： [TOC] 2.1 图像处理技术概述 图像采集：利用设备获取可输入计算机的数字图像，这些设备主要完成： 1. 根据接收到的电磁能量产生模拟电信号 2. 进一步将模拟电信号转化为离散形式 图像变换：将图像在不同空间转换的技术和过程 图像增强：对图像进行加工，得到对具体应用来说视觉效果更“好”，更“有用 阅读全文

摘要： 图像：用各种 观测系统 以不同形式和手段观测 客观世界 而获得的，可以直接或者 间接作用于人眼 并进而产生视知觉的实体。人类从外界（客观世界）获得的信息约有 75%。 图像表示：2 D数组 $f(x, y)$ ，其中 $x, y$ 是 2 D 空间中坐标点的位置，$f$ 代表图像在 $(x, y)$ 阅读全文

摘要： ************************************************ 显卡：GTX 1050Ti 系统：Ubuntu 18.0.4 安装的CUDA：10.0 版本 ************************************************ 1. 我是 阅读全文

摘要： PyTorch : torch.nn.xxx 和 torch.nn.functional.xxx 在写 PyTorch 代码时，我们会发现在 和 中有一些功能重复的操作，比如卷积、激活、池化。这些操作有什么不同？各有什么用处？ 首先可以观察源码： eg：torch.nn.Conv2d CLASS t 阅读全文

摘要： 实现一个定制的 Dataset 类 Dataset 类是 PyTorch 图像数据集中最为重要的一个类，也是 PyTorch 中所有数据集加载类中应该继承的父类。其中，父类的两个私有成员函数必须被重载。 getitem(self, index) 支持数据集索引的函数 len(self) 返回数据集的 阅读全文

摘要： DataLoader DataLoader 是 PyTorch 中读取数据的一个重要接口，该接口定义在 dataloader.py 文件中，该接口的目的： 将自定义的 Dataset 根据 batch size 的大小、是否 shuffle 等封装成一个 batch size 大小的 Tensor， 阅读全文

摘要： 《Generative Adversarial Nets》是 GAN 系列的鼻祖。在这里通过 PyTorch 实现 GAN ，并且用于手写数字生成。 摘要： 我们提出了一个新的框架，通过对抗处理来评估生成模型。其中，我们同时训练两个 model ：一个是生成模型 G，用于获取数据分布；另一个是判别模 阅读全文

摘要： 硕士生和大学生最大的区别：大学生读什么都必须要从头到尾都懂，因为其面对的知识有固定的范围；硕士生只需要懂其用得着的部分就好，其面对的知识是没有范围的。因此，硕士生读论文时一定要带着问题去读，必须学会选择性的阅读，而且必须锻炼出选择时的准确度和选择的速度，不要浪费时间学习用不着的细节知识。多吸收【点子 阅读全文

摘要： enumerate(iterable, start=0) Explation: Return an enumerate object. iterable must be a sequence, an iterator, or some other object which supports iter 阅读全文

摘要： torch.max() Explation: ​ Returns the maximum value of all elements in the input tensor Example: Explation: ​ Returns a namedtuple where is the maximum 阅读全文