- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Python跨平台文件夹分割方法os.sep
我们在寻找路径或者进行一些什么操作的时候，可能经常要对文件夹进行分割操作。但是在在Windows上，文件的路径分隔符是’’，在Linux上是’/’，这会对我们的跨平台Python程序带来很多困扰。不过Python中的os.sep就很好的解决了这个问题。os.sep可以理解为分隔符，不同的操作系统，可以自适应是哪种分隔符，下面通过代码来简单做一个解释。import osdataroot = 'd...
2019-10-23 21:21:08
1309
1
原创 Pytorch中的optimizer.zero_grad和loss和net.backward和optimizer.step的理解
引言一般训练神经网络，总是逃不开optimizer.zero_grad之后是loss（后面有的时候还会写forward，看你网络怎么写了）之后是是net.backward之后是optimizer.step的这个过程。real_a, real_b = batch[0].to(device), batch[1].to(device)fake_b = net_g(real_a)optimize...
2019-10-19 15:44:55
4622
2
原创 如何利用Pix2Pix将黑白图片自动变成彩色图片
引言pix2pix算是cGAN的一种，但是和cGAN又略有不同，而且，在pix2pix这篇论文中，首次提出了PatchGAN的概念，初次接触到的人可能会略有疑惑。这篇文章，我们就一起来探讨一下，pix2pix中的判别器是如何设计的。cGAN提到pix2pix就一定要提一下，他的思想源泉，cGAN。最初我们所熟知的GAN的概念，当属造假钞和验假钞的对抗过程（诞生了DCGAN），造假钞造出来的假...
2019-10-18 20:27:41
3804
3
原创 在Pytorch上使用summary
我们知道，Keras有一个非常有好的功能是summary，可以打印显示网络结构和参数，一目了然。但是，Pytorch本身好像不支持这一点。不过，幸好有一个工具叫torchsummary，可以实现和Keras几乎一样的效果。pip install torchsummary然后我们定义好网络结构之后，就可以用summary来打印显示了。假设我们定义的网络结构是一个叫Generator的类。im...
2019-10-14 12:13:01
40046
17
原创 训练生成对抗网络的过程中，训练gan的地方为什么这里没有detach,怎么保证训练生成器的时候不会改变判别器
detach的作用是冻结梯度下降，无论是对于判别网络还是生成网络而言，我们更新的都是关于logD(G(z))，对于判别网络而言，冻结G并不影响整体的梯度更新（就是内层函数看成是一个常数，不影响外层函数求梯度），但是反过来，如果冻结D，就没有办法完成梯度更新了。所以，我们在训练生成器的时候没用冻结D的梯度。所以，对于生成器而言，我们的确计算了D的梯度，但是我们没有更新D的权重（只写了optimiz...
2019-10-11 09:21:09
3544
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人