北国觅梦

原创 GAN的几种评价指标

https://blog.csdn.net/qq_35586657/article/details/98478508写的不错，可以用来评估GAN

原创 GAN及其相关模型训练细节总结

https://blog.csdn.net/qq_40128284/article/details/109445844https://cloud.tencent.com/developer/article/1430237https://www.sohu.com/a/272494057_473283https://www.cnblogs.com/wanghui-garcia/p/12781438.html

原创 Pytorch中的train和eval用法注意点

参考链接：https://blog.csdn.net/sinat_36618660/article/details/100147506https://blog.csdn.net/u013289254/article/details/103621792(一)、model.train()和model.eval()分别在训练和测试，作用：(1). model.train()启用 BatchNormalization 和 Dropout，将BatchNormalization和Dropout置为Tru

原创 Improve Sequence Generation of GAN

原创 Feature Extraction

原创 GAN:Tips for Improving GAN

GAN->WGAN

原创 fGAN:General Framework of GAN

原创 Theory behind GAN

G0和G1其实差的不是特别多，所以在update的时候，学习率应该小一点。但是D可以大一点

原创 Unsupervised Conditional Generation

原创 cGAN

conditional GAN

原创 利普希茨连续（Lipschitz continuous）及其应用

参考链接：https://www.zhihu.com/question/51809602https://zhuanlan.zhihu.com/p/27554191https://blog.csdn.net/FrankieHello/article/details/105739610目录通俗解释定义​​直观解释通俗解释以陆地为例。岛屿：不连续一般陆地：连续丘陵：李普希兹连续悬崖：非李普希兹连续山包：可导平原：线性半岛：非凸想了半天用什么来表达亚连续（se.

原创 NAS-based on cell DARTS

很多人工设计的神经结构是由重复的结构单元组成的，例如：ResNet结构由多个残差单元组成，GoogLeNet结构由 Inception 结构单元组成。由此启发，NAS 算法通过搜索结构单元（cell）来替代搜索整个神经结构。NASNet提出了基于cell结构的搜索空间。在这种搜索空间中，NAS算法搜索2种类型的cell，一种为normal cell，另一种为reduction cell。normal cell的输出和输入尺寸保持一致，而reduction cell的输出尺寸是输入尺寸的一半。在搜索完 ce.

原创 multi-label多标签准确率的计算方法

sigmoid得到结果之后与正确答案进行点乘操作然后再叠加就是最后的加权准确率比如正确标签是[0 1 1 0], 预测结果是[0.1 0.8 0.6 0.2], 那么加权后的结果是[0 0.8 0.6 0]，sum([0 0.8 0.6 0])>1，则为1，否则为0。因为只有每个标签都>0.5才算是正确。但是如果有一个类是单标签，那就会出现问题了。...

原创 RuntimeError：输入类型（torch.FloatTensor）和权重类型（torch.cuda.FloatTensor）应该相同（RuntimeError：输入类型（torch.FloatT

之所以会出现此错误，是因为您的模型位于GPU上，而数据位于CPU上。因此，您需要将输入张量发送到CUDA。输入，标签= inputs.cuda（），labels.cuda（）＃添加此行或者像这样，与其余代码保持一致：输入，标签= inputs.to（设备），labels.to（设备）在同样的错误，如果你的数据在CUDA，但你的模型是不是消息将弹出。在这种情况下，您需要将模型发送到CUDA。model= MyModel（）if torch.cuda.is_available（

原创 Input type (torch.cuda.DoubleTensor) and weight type (torch.cuda.FloatTensor) should be the same

原因在于自己整理数据集的时候，使用了np.array，然后默认保存成float64，但是pytorch中默认是float32首先找到代码出错的位置，将该处的数据类型转为float类型：x = x.type(torch.FloatTensor)

转载 numpy的dtype，astype

综述：np类型的a如果直接修改如：a.dtype='int16'，那么直接会修改a，会导致长度的不一致，如果要直接修改则要采用astype方法如：b=a.astype('int16')，a保持不变，b的长度等于a，并且type由a变成了int16，或者调用b=np.array(a,dtype='int16'),效果和astype一样。另外b=np.array(a,dtype=np.int16)中的np.int16是一样的float类型默认float64=float，int类型默认int64=int，

转载 Pytorch | Pytorch框架中模型和数据的gpu和cpu模式：model.to(device), model.cuda(), model.cpu(), DataParallel

参考：https://blog.csdn.net/iLOVEJohnny/article/details/106021547背景介绍我们在使用Pytorch训练时，模型和数据有可能加载在不同的设备上（gpu和cpu），在算梯度或者loss的时候，报错信息类似如下：RuntimeError: Function AddBackward0 returned an invalid gradient at index 1 - expected type torch.cuda.FloatTensor but

原创 pytorch中神经网络模型的初始化-保存-加载

https://blog.csdn.net/remanented/article/details/89161297一、打算开始训练自己的模型，希望能够得到较好的training_model，包括了对模型的初始化第一种from torch.nn import init#define the initial function to init the layer's parameters for the networkdef weigth_init(m): if isinstance(m

原创 Pytorch加载自己的数据集(使用DataLoader加载Dataset)

https://www.pytorchtutorial.com/pytorch-custom-dataset-examples/https://blog.csdn.net/l8947943/article/details/1037334731. 我们需要加载自己的数据集，使用Dataset和DataLoaderDataset：是被封装进DataLoader里，实现该方法封装自己的数据和标签。 DataLoader：被封装入DataLoader迭代器里，实现该方法达到数据的划分。2.Datas

原创 Ubuntu 18.04 安装显卡驱动

https://zhuanlan.zhihu.com/p/596189991. 使用 Ubuntu 软件仓库中的稳定版本安装1.1. 查看显卡硬件型号在终端输入：ubuntu-drivers devices，可以看到如下界面推荐安装的版本号是：nvidia-driver-455 - distro non-free recommended1.2. 开始安装如果同意安装推荐版本，那我们只需要终端输入：sudo ubuntu-drivers autoinstall就可以自动安装..

原创 python各种路径文件的获取方法以及遍历文件目录

目录当前路径，父路径，父路径的父路径遍历文件目录os.walk当前路径，父路径，父路径的父路径#当前文件的路径pwd=os.getcwd()#当前文件的父路径father_path=os.path.abspath(os.path.dirname(pwd)+os.path.sep+".")#当前文件的前两级目录grader_father=os.path.abspath(os.path.dirname(pwd)+os.path.sep+"..")import...