介绍 生成对抗网络（GAN）是一类基于博弈论的生成模型学习方法。 GAN的目标是训练生成器网络，该生成器网络通过将噪声z的向量转换为，从数据分布生成样本。G的训练信号由一个...
发简信
IP属地：北京
-
Improving Techniques for Training GANs -
On the regularization of wasserstein GANs摘要 自从他们的发明以来，生成对抗网络（GAN）已经成为一种流行的方法，用于学习对真实（未标记）数据的分布进行建模。Wasserstein GAN克服了训练过程中的收敛性问题...
-
0范数、1范数、2范数
函数与几何图形往往是有对应关系的，这个很好想象，特别是在三维以下的空间内，函数是几何图像的数学概括，而几何图像是函数的高度形象化，比如一个函数对应几何空间上若干点组成的图形。...
-
-
Wasserstein GAN介绍 本文关注的问题是无监督学习。 主要来说，学习概率分布是什么意思？ 对此的经典答案是学习概率密度。 通常，这是通过定义一个参数密度系列并找到使我们的数据的似然性最大的一个...
-
pytorch中ConvTranspose2d()
nn.ConvTranspose2d() 在由多个输入平面组成的输入图像上应用二维转置卷积运算符。该模块可以看作是Conv2d相对于其输入的梯度。它也被称为分数步法卷积或反卷...
-
linux文件切割合并
有的时候在移动文件的时候，会出现文件过大的错误，这时候就需要将文件切割的小一点移动过去再进行拼接。 命令参数： 1.首先查看文件大小 2.切割，他会以a,b,c方式生成文件,...
-
DCGANs论文解读深度卷积生成对抗网络的非监督表示学习。 近年来，通过卷积网络（CNN）进行监督学习已在计算机视觉应用中得到了广泛采用。 相比之下，CNN的无监督学习受到的关注较少。 在这项工...
-
AdvSemiSeg代码解读model = Res_Deeplab(num_classes=args.num_classes) Res_Deeplab函数是作者文中Deeplab_v2框架 ResNet...
-
pytorch中的optim
torch.optim torch.optim是一个实现了各种优化算法的库。大部分常用的方法得到支持，并且接口具备足够的通用性，使得未来能够集成更加复杂的方法。 如何使用op...
-
pytorch中data
torch.utils.data class torch.utils.data.Dataset 表示Dataset的抽象类。所有其他数据集都应该进行子类化。所有子类应over...
-
pytorch中torch.backends.cudnn设置的作用
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....
-
pytorch中BatchNorm1d、BatchNorm2d、BatchNorm3d
1.nn.BatchNorm1d(num_features) 2.nn.BatchNorm2d(num_features) 3.nn.BatchNorm3d(num_feat...
-
Adversarial Learning for Semi-Supervised Semantic Segmentation作者提出了一种使用对抗网络的半监督语义分割方法。 虽然大多数现有的鉴别器都经过训练，可以在图像级别将输入图像分类为真实图像还是伪图像，但是作者以完全卷积的方式设计了一个鉴别器...
-
Semantic Segmentation using Adversarial Networks
在本文中，作者提出了一种对抗训练方法来训练语义分割模型。 作者训练卷积语义分割网络以及对抗网络，以区分来自真实图片或分割网络的分割图。 作者方法的动机是，它可以检测和校正真实...
-
Generative Adversarial Nets-pytorch代码解读
虽然GAN现在已经有了很多更新和分支，但是要接触这一行，鼻祖的文章还是要做一下的。下面是pytorch版的GAN代码解读，主要是对代码进行解释，帮助初学者更好的了解GAN。 ...
-
pytorch中torch.utils.data.DataLoader数据类型
DataLoader是PyTorch中的一种数据类型。在PyTorch中训练模型经常要使用它，那么该数据结构长什么样子，如何生成这样的数据类型？ Dataloader中的属性...