摘要：
背景 示例 图像着色；图像超像素；背景模糊；人脸生成；人脸定制；文本生成图片；字体变换；风格变换；图像修复；帧预测 GAN GAN 生成式对抗网络 cGAN 条件生成式对抗网络 DCGAN 深度卷积生成式对抗网络 WGAN 生成模型和GAN GAN框架 D:判别器，G:生成器，G(z):生成器产生的 阅读全文
摘要：
绪论 基本应用： 机器翻译 股票预测 作词 模仿写论文、写代码 图像理解 视觉问答 与卷积神经网络相比 循环神经网络可以更好的处理具有时序关系的任务； 循环神经网络通过循环结构引入“记忆”的概念； 输出不仅依赖于输入，还依赖于“记忆” 将同一个结构循环利用 基本结构 传统神经网络的结构 RNN的基本 阅读全文
摘要：
代码练习 HybridSN 三维卷积部分： conv1：（1, 30, 25, 25）， 8个 7x3x3 的卷积核 ==>（8, 24, 23, 23） conv2：（8, 24, 23, 23）， 16个 5x3x3 的卷积核 ==>（16, 20, 21, 21） conv3：（16, 20, 阅读全文
摘要：
2. 【第二部分】 代码练习 这一部分主要参考了知乎的一些文章 https://zhuanlan.zhihu.com/p/70703846 https://zhuanlan.zhihu.com/p/31551004 以及B站的视频 https://www.bilibili.com/video/BV1 阅读全文
摘要：
【第一部分】 视频学习心得及问题总结 【第二部分】 代码练习 2.1 MNIST 数据集分类 首先 先import~ import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as op 阅读全文
摘要：
1. 视频的笔记 比较习惯手写做笔记，就直接贴过来了~ 2. 代码练习 2.1 图像处理练习 2.2 pytorch练习 2.3 螺旋数据分类 2.4 回归分析 因为前期知识储备不大够，现在看这些代码还是有点费劲orz 希望后面能赶上来 阅读全文
摘要：
1. 回顾一下你对研究生生活的畅想：当初你是为何做出选择读研/读博决定的？ 想了想当时选择读研主要是觉着，还年轻 多学点东西挺好的~ 参加工作了可能没太多时间去学习了，而且读研也能增加下竞争力是吧。再就是本科阶段也参与了一些项目，写网站啦、小程序之类的，感觉大部分都在写增删改查的业务代码，时间长了就 阅读全文